Clarity in Crisis: How UK Firms Communicated Risks during COVID-19
Notice bibliographique
Résumé
This study explores the influence of risk disclosure levels and types on the readability of annual reports of non-financial firms in the UK during the COVID-19 outbreak. It further investigates how the disclosure of COVID-19-related information moderates the relationship between risk disclosure and readability. The study uses a content analysis approach and CFIE software to measure the level of risk disclosure and readability in the annual reports of non-financial firms listed on the FTSE all-share from 2019 to 2021. The results show a positive and significant effect of risk disclosure level on readability, which is stronger for firms that disclosed COVID-19 information. Different types of risk disclosure have varying effects on readability, with COVID-19 risk, credit risk, and strategic risk positively affecting readability, while operational risk negatively affects it. The study contributes to the literature on information asymmetry and institutional theory by demonstrating how risk disclosure and readability are influenced by external factors like the COVID-19 outbreak and internal factors such as firm characteristics and types of risks. It introduces a new risk definition and category specific to the COVID-19 pandemic and develops new measurements for risk disclosure, including credit, liquidity, market, operational, business, strategic, and COVID-19 risks. The study provides valuable insights for managers, investors, regulators, and standard setters on the relationship between risk disclosure and readability in annual reports. It highlights the importance of disclosing COVID-19-related information to enhance the readability and understandability of financial communication. The paper contributes to the literature and practice on risk disclosure, readability, and financial communication during crises.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».