MétaCan
Menu
Retour à la cohorte
Enregistrement W7112265169

Existence of Earnings management in valuation at fair value : A study on the application of IAS 41 in forest industry in Sweden and Canada

2021· article· sv· W7112265169 sur OpenAlexaboutno aff

Notice bibliographique

RevueHogskolan Ihalmstad (Halmstad University) · 2021
Typearticle
Languesv
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValuation (finance)EarningsMarket valueBusiness management
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

En redovisning enligt IFRS ska ge en rättvisande bild för de finansiella rapporternas användare. För att uppnå den rättvisande bilden har IFRS olika värderingsmetoder, en av dessa är värdering till verkligt värde. Den standarden som hanterar verkligt värde är IFRS 13. Inom verkligt värde finns en värderingshierarki, som innehar tre nivåer. Vid Nivå 3 minskar tillförlitligheten mer än de andra nivåerna. Detta är på grund av möjligheten till att bolaget kan använda sig av subjektiva bedömningar. En standard inom IFRS som tillåter en värdering till verkligt värde är IAS 41. Denna standard hanterar redovisningen av biologiska tillgångar (till exempel skog). Två länder som innehar mycket skogsmark är Sverige och Kanada. Skog har en lång produktionscykel vilket leder till att det är en komplex tillgång att värdera och därför värderas den oftast till Nivå 3. Resultatmanipulering kan uppstå då det sker subjektiva bedömning, vilket kan ge en missledande bild av företagets finansiella ställning. Den problematik med resultatmanipulering och biologiska tillgångar har varit grunden för studiens forskningsfrågor och syfte. Studiens syfte är att förklara hur IAS 41 påverkar tillförlitligheten vid värdering till verkligt värde i de finansiella rapporterna. Det ska även studeras skillnader i resultatmanipuleringens befintlighet inom företag verksamma inom skogsbranschen i Sverige och Kanada. Med hjälp av att analysera olika skogsbolags årsredovisningar gav studien svar på om resultatmanipulering förekommer vid tillämpning av IAS 41 och om skillnader mellan skogsbolag i graden resultatmanipulering belägna i olika länder. I denna studie består datainsamling huvudsakligen av numeriska data ifrån årsredovisningar och därför har en kvantitativ metod valts. Ansatsen är deduktiv och studien bygger på hypoteser för att kunna besvara forskningsfrågorna. För att verifiera eller falsifiera hypoteserna användes olika T-test, regressionsanalyser och även The Modified Jones Model som visar resultatmanipuleringens befintlighet genom att beräkna de godtyckliga periodiseringarna. Populationen i studien består av skogsbolag som tillämpar IFRS. Urvalet kommer vara totalt 14 skogsbolag belägna både Sverige och Kanada. Hälften av de valda skogsbolagen använder sig av IAS 41 och äger biologiska tillgångar. Från urvalet kommer varje företags årsredovisningar under räkenskapsåren 2012 till 2020 att undersökas. Det resultat som undersökningen gett är att skogsbolag tenderar att värdera biologiska tillgångar till Nivå 3. Undersökningen visar också att det förekommer resultatmanipulering i skogsbolag som värderar enligt IAS 41, dock i mindre grad. Regressionsanalysen i undersökningen upplyser att det inte finns ett samband mellan godtyckliga periodiseringar och att redovisa enligt IAS 41. Vidare fanns inga skillnader mellan Sverige och Kanada i graden av resultatmanipulering. Slutsatsen som framgår är att det inte förekommer resultatmanipulering i någon större utsträckning i kanadensiska och svenska skogsbolag.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,323
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,048
Tête enseignante GPT0,270
Écart entre enseignants0,222 · 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.

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHogskolan Ihalmstad (Halmstad University)Même sujetFinancial Reporting and Valuation ResearchTravaux en français237 207