MétaCan
Menu
Retour à la cohorte
Enregistrement W4415814299 · doi:10.3390/ijfs13040203

The Impact of Trade Secrecy Protection on Audit Pricing

2025· article· en· W4415814299 sur OpenAlexafffund
Peng Gao, Karel Hrazdil, Jiyuan Li, Jingjing Xia

Notice bibliographique

RevueInternational Journal of Financial Studies · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNational Natural Science Foundation of China
Mots-clésAuditSecrecyRedactionConfidentialityPremisePublic interestAuditor's reportAuditor independenceAudit risk

Résumé

récupéré en direct d'OpenAlex

Because auditors have access to corporate information, a firm’s decision to protect material trade secrets should, in principle, not influence audit effort. We analyze the effects of trade secrecy protection on the audit fees, documenting that firms with redacted information pay significantly higher fees than those that do not redact information. In cross-sectional tests, we further document that the relationship between redaction and audit fees is significantly influenced by both auditor and client characteristics. Consistent with the premise that redaction increases the complexity of the audit—particularly if auditors view redacted disclosures as indicators of potential business or litigation risk—the regression results indicate that the main effect is moderated by auditor factors such as specialization, tenure, and quality, as well as client factors like existing relationships, bargaining power, and reporting quality. These insights contribute to ongoing discussions in audit policy by illustrating how confidential disclosure practices affect audit effort and costs. Overall, our results inform policymakers seeking to reconcile firms’ proprietary information protection with public interest in transparent and credible financial reporting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,084
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,084
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,004
Communication savante0,0060,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,285
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial StudiesMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207