MétaCan
Menu
Retour à la cohorte
Enregistrement W7038888393

L’effet d’un événement de fraude médiatisée sur la performance et le risque des entreprises

2020· other· fr· W7038888393 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2020
Typeother
Languefr
DomaineComputer Science
ThématiqueGraph Theory and Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrivate enterprisePrivate lifePassenger information
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L’analyse de l’effet des annonces médiatiques sur les entreprises n’est pas un phénomène 
\nrécent. Depuis les dernières décennies, nous avons connu une explosion d’annonces d’irrégularités 
\nfinancières par l’intermédiaire des médias permettant ainsi à certains auteurs de s’intéresser à ce 
\ngenre d’annonces (Karpoff et Lott [1993], Palmrose, Richardson et Scholz [2003], Karpoff, Lee et 
\nMartin [2008]). La littérature semble suggérer qu’il existe un impact significatif sur les différentes 
\nparties prenantes et sur la performance financière des entreprises qui commettent des irrégularités 
\nfinancières (Davidson et Worrel [1988], Gratto et Thatcher [1990], Karpoff et Lott [1993], 
\nCloninger et Waller [2000]). Les différents cas d’envergure tels que : Enron, Worldcom, Equifax, 
\net Galleon ont grandement été touchés sur le plan des rendements boursiers à la suite de la 
\ndivulgation des fraudes dans les médias. En addition, le risque de réputation devient de plus en plus 
\nimportant pour les entreprises en particulier dans le contexte de la montée en puissance des médias 
\nsociaux et d’Internet, où les mauvaises nouvelles se répandent très rapidement (Gatzert, 2015). Et 
\ndonc, pour les entreprises l’une des questions importantes demeure à connaitre si son niveau de 
\nréputation ou les événements préjudiciables à leur réputation peuvent entraîner un impact 
\nsignificatif sur leurs performances financières. De plus, le constat selon lequel les entreprises voient 
\nleurs performances affectées considérablement à la suite de la perpétration d’un acte d’irrégularité 
\npeut-il être transféré aux entreprises qui sont victime d’un tel acte ? 
\nL’effet des annonces et de la couverture médiatique par les universitaires est étudié depuis 
\nlongtemps. Considérant le rôle des médias qui est de transmettre de l’information aux individus en 
\ndemeurant impartial, il est défendable de s’attendre à ce que ceux-ci soient en mesure d’exercer 
\nune certaine influence. En ce sens, la littérature démontre que les médias sont effectivement en 
\nmesure d’influencer le comportement des investisseurs qui sont présents sur les marchés boursiers 
\npar les biais du traitement médiatique (Dougal, Engelberg, Garcia et Parsons [2012]). Baron (2006) 
\nexplique que la perception des investisseurs peut être influencée par les biais médiatiques des 
\njournalistes, mais également par les journaux et leurs propriétaires. L’objectif ou le gain anticipé 
\npar ceux-ci peuvent influencer le choix de mettre en circulation une nouvelle et par conséquent 
\ninfluencer le marché financier. Les biais revêtent diverses formes, ils peuvent résulter d’une 
\nidéologie, d’un préjugé ou être dû à la fabrication d’informations. Le pessimisme médiatique 
\nconcernant les actions peut affecter à la baisse la valeur des entreprises (Tetlock (2007)). D’autre 
\npart, Tetlock (2011) présente des évidences qui confirment que les investisseurs individuels 
\nréagissent de manière exagérée aux nouvelles redondantes. L’auteur mentionne la possibilité que 
\nces résultats proviennent du fait que les investisseurs ne prêtent pas suffisamment attention à la 
\n7
\nquestion à savoir si l’information contenue dans les événements d’actualité est ancienne ou 
\nnouvelle.
\nLa protection de la réputation d’une entreprise est l’une des tâches les plus pertinentes et 
\nles plus difficiles à effectuer de nos jours. En effet, l’intérêt par le milieu universitaire et 
\nprofessionnel quant aux avantages que peut entraîner une saine réputation n’a fait qu’augmenter au 
\nfil des années. Plusieurs s’entendent pour dire que la réputation est multidimensionnelle, reflétant 
\nles perceptions globales des parties prenantes sur les aspects financiers et non financiers des 
\nentreprises (Fombrun [1996], Rindova, Williamson, Petkova et Sever [2005, 2010]). La réputation 
\noffrirait également un avantage concurrentiel potentiellement important aux entreprises possédant 
\nune réputation plus élevée (Fombrun et Shanley [1990] ; Fombrun [1996]). Hall (1992) considère 
\négalement la réputation comme étant un actif intangible stratégique. Les avantages que procurerait 
\nune saine réputation seraient multiples ; l’augmentation de la stabilité des revenus (Fombrun, 
\n1996), la profitabilité supérieure et persistante (Roberts et Dowling, 2002), l’augmentation de la 
\nproductivité, de la motivation et de la loyauté (Fombrun, 1996), la fidélisation de la clientèle 
\n(Bartikowski et Walsh, 2009 ; Fombrun, 1996), la prime à la vente (Shapiro, 1983 ; Klein et Leffler 
\n[1981]) en sont des exemples. 
\nLes explications pour lesquelles les individus ont des comportements préjudiciables sont 
\naussi multiples. L’appât du gain, la faiblesse des systèmes de contrôle, la volonté de cacher de 
\nmauvaises performances en sont des exemples. Quant à Cloninger (1982), il croit qu’une activité 
\ncriminelle ou non éthique peut contribuer en cas de succès à augmenter le prix des actions d’une 
\nentreprise ou d’en réduire le risque des actifs de celle-ci. Des résultats empiriques ont démontré 
\nl’existence des rendements anormaux négatifs à la suite de l’annonce de fraude par différents 
\nmédias (Cloninger, Skantz et Strickland [1987 ; 1990]). Karpoff et Lott (1993) mentionnent que la 
\nperte observée de la richesse des actionnaires ne s’expliquerait pas uniquement par les pénalités 
\nimposées par les tribunaux ni par l’ampleur du gain mal acquis perdu pour faire suite à la fin de la 
\nfraude, mais il en résulterait également un dommage considérable à la réputation. 
\nNous testons l’impact des annonces médiatiques préjudiciables en utilisant la méthodologie 
\nd’étude des événements financiers en utilisant un échantillon de 94 événements provenant de la 
\nbase de données en intégrité financière CIBC. Plus en détail, nous analysons les rendements et le 
\nrisque systématique en utilisant une méthodologie relative aux études événementielles. Nous 
\nutilisons toutefois une modélisation conditionnelle de la performance et du risque systématique des 
\nentreprises.
\nEn lien avec la littérature déjà existante, l’objectif de cette recherche est d’analyser l’effet 
\ndes annonces médiatiques concernant les fraudes et les irrégularités financières sur les entreprises. 
\n8
\nPlus précisément, nous étudions l’impact sur les rendements et la réputation des entreprises 
\ncontrevenantes, mais également le cas des entreprises qui en sont victimes. Notre recherche utilise 
\ntrois ramifications de la littérature. Tout d’abord, elle analyse l’effet des annonces médiatiques sur 
\nles rendements. Ensuite, elle étudie l’effet des annonces d’irrégularités par les médias. Finalement, 
\nl’analyse de l’impact des annonces dommageables et des événements de crise sur la réputation 
\n(financière) des entreprises. Les données concernant les fraudes et les irrégularités financières 
\nproviennent de la base de données de la chaire de recherche en intégrité financière CIBC 
\ndéveloppée par l’Université de Sherbrooke. Cette banque de données contient les cas de fraudes et 
\nd’irrégularités financières recensés à partir du Wall Street Journal et elle est échelonnée sur la 
\npériode, débutant le 1er janvier 1984 et se terminant le 3 octobre 2013.
\nLa suite de l’étude est organisée comme suit. La deuxième section présente la revue de 
\nlittérature qui est composée de trois modules, soit l’effet des annonces médiatiques sur les marchés, 
\nl’effet de la réputation et finalement les irrégularités financières et leurs effets sur les entreprises. 
\nLes objectifs de la recherche et les contributions ainsi que les hypothèses sont respectivement 
\nprésentés à la troisième et quatrième section. La cinquième section traite de la méthodologie 
\nutilisée. La présentation de la base de données utilisée est faite dans la sixième section et 
\nl’échantillon est présenté dans la septième section. Les résultats empiriques et l’interprétation des 
\nrésultats sont présentés dans la huitième section. Pour terminer, la conclusion, les limites et les 
\norientations pour de futures recherches sont abordées dans la neuvième section. Les différentes 
\nannexes et la bibliographie sont exposées à la toute fin du présent travail.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0020,001
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 Opus0,011
Tête enseignante GPT0,188
Écart entre enseignants0,177 · 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