Notice bibliographique
Résumé
This dissertation investigates the roles of corporate digital assets in corporate decision-making and value creation. In Chapter 1, I examine the role of corporate digital assets in facilitating financial reporting decisions. In Chapter 2, I evaluate how corporate digital assets contribute to financial performance and firm value and whether accounting book earnings appropriately reflect the economic value of corporate digital assets. Chapter 1 studies the impact of corporate data accumulation and utilization on voluntary disclosure decisions. Using detailed website cookie information obtained from U.S. firms' websites in real time, I investigate how corporate data accumulation and utilization affect voluntary disclosure decisions. Cookies infuse first-hand, granular, and real-time data into managers' information sets and have the potential to enrich internal information about customers and sales operations. I show that the number of cookies is positively related to the frequency and the likelihood of issuing management sales forecasts. Using FinBERT-based measures, I find that the usage of cookies is also associated with a larger percentage of qualitative disclosure regarding customers, marketing, and products in 10-K filings. Next, I provide evidence that cookie-collected data are more useful if the collected data are of stronger relevance for disclosure and of larger volume. Additional analyses indicate that data analytic technology assists firms in better translating cookie-collected data into external disclosure, while data privacy protection regimes impair the usefulness of cookie-collected data. Using the California Consumer Privacy Act as a quasi-natural experiment, I provide additional evidence for the causal relation between cookies and voluntary disclosure. Overall, the paper sheds light on the value of corporate data assets in disclosure decisions and speaks to the effects of data analytic technology as well as the potential impacts of data privacy regulations. Chapter 2 examines how corporate digital assets contribute to financial performance and firm value and assesses if accounting earnings reflect the true economic value of digital assets. By combining website cookie information with website traffic data, I construct firm-specific measures of the volume of consumer data that firms collect through website cookies. I find that the volume of cookie-collected consumer data is positively associated with firms’ gross profitability and operating efficiency. In addition, it exhibits robust value relevance and positive relations with valuation multiples and future stock returns, suggesting that the market gives higher valuation to firms with more digital assets. Further, I show that the size of cookie-collected consumer data is positively associated with firms’ SG&A expenses but not intangible assets. As a result, cookie-collected consumer data negatively relate to bottom-line earnings (after SG&A). The distinct effects of digital assets on market valuation and accounting earnings imply that current accounting standards may fail to reflect the true economic value of digital assets. Overall, this study provides initial empirical evidence for the value of corporate digital assets and offers implications for future accounting standards and reporting regulations regarding digital assets.
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 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».