MétaCan
Menu
Retour à la cohorte
Enregistrement W4415502614 · doi:10.1111/jori.70025

On the market valuation of insurance accounting: An assessment of historical cost and fair value measurements

2025· article· en· W4415502614 sur OpenAlexaff
Stefan Veith, Christian Fieberg

Notice bibliographique

RevueJournal of Risk & Insurance · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésFair valueHistorical costSolvencyValuation (finance)Market valueMark-to-market accountingInsolvencySample (material)

Résumé

récupéré en direct d'OpenAlex

Abstract We analyze the relationship between stock prices and insurance accounting and compare a historical cost with a full fair value measurement approach. During our sample period, European insurers had to determine the fair value of all assets and liabilities according to the Solvency II (SII) regulation, in addition to the historical‐cost‐based setup of the International Financial Reporting Standards (IFRS). This alternative source of information allowed investors to update their expectations about future dividends, risks, and firm values. Comparing both frameworks, we report three findings. First, we show that the association between stock prices and SII full fair value accounting items is greater than that of IFRS historical cost measurements. Second, we find that this effect stems from unexpected news disclosed by regulatory reporting. Third, our results suggest that insurance accounting is relevant for firms exposed to lower insolvency risk and offers no additional information when the risk level is high.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,274
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Risk & InsuranceMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207