Right on target: Is public disclosure of non‐<scp>GAAP</scp> earnings associated with M&A efficiency?
Notice bibliographique
Résumé
Abstract We examine the association between target firms' public non‐GAAP earnings disclosures and merger and acquisition (M&A) efficiency. This research question is important, given the widespread use of non‐GAAP metrics in M&A valuation and lack of evidence regarding the real effects of non‐GAAP disclosure. Public non‐GAAP disclosure can enhance bidders' ability to assess a target's core earnings and potential synergy, especially in the earlier stages of due diligence, and enable bidders to make better M&A decisions. We find that target firms' non‐GAAP disclosures are associated with greater M&A efficiency, greater synergies, and lower likelihood of post‐acquisition goodwill impairment. We also find some evidence that target firms' non‐GAAP disclosures are positively related to post‐acquisition operating performance. Further, we find modest evidence that the positive relation between non‐GAAP disclosures and M&A efficiency is stronger (1) for targets that are more difficult to value, (2) for targets with weaker information environments, and (3) when targets' non‐GAAP numbers are of higher quality. Overall, our evidence suggests that non‐GAAP disclosures help facilitate efficient resource allocation in M&As and are associated with real effects on corporate investment. Our evidence is potentially relevant to regulators' concerns about the usefulness of non‐GAAP metrics.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,050 |
| 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 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».