Annoncer ou ne pas annoncer? Causes et conséquences de l’abandon des annonces de résultats trimestriels prévisionnels
Bibliographic record
Abstract
Depuis quelques années, les annonces de résultats trimestriels prévisionnels font l’objet de sévères critiques, leurs détracteurs affirmant qu’elles incitent à la gestion à courte vue et à d’autres péchés. C’est pourquoi les institutions influentes enjoignent aux dirigeants de cesser la publication de résultats trimestriels prévisionnels. Les auteurs examinent empiriquement les causes de cet abandon de la publication de résultats trimestriels prévisionnels et constatent que la piètre performance opérationnelle — bénéfices à la baisse, résultats inférieurs aux prévisions des analystes et rentabilité prévue plus faible — est le principal motif pour lequel les entreprises abandonnent les annonces de résultats trimestriels prévisionnels. Dans les entreprises qui ont abandonné ces annonces, les auteurs n’observent pas de croissance appréciable de l’investissement à long terme après que les dirigeants se soient libérés de la myopie des investisseurs. Contrairement à l’affirmation selon laquelle les entreprises publieraient davantage d’autres informations à caractère prévisionnel en remplacement des annonces de résultats trimestriels et prévisionnels, les auteurs constatent que les entreprises se dérobent. Ils observent également une détérioration de l’environnement informationnel des entreprises qui cessent la publication de résultats trimestriels prévisionnels, détérioration qui se manifeste par un plus grand nombre d’erreurs dans les prévisions des analystes et une plus grande dispersion des prévisions et par une diminution de l’intérêt des analystes. Ces constatations révèlent, dans leur ensemble, que les entreprises qui abandonnent les annonces de résultats trimestriels prévisionnels sont principalement des entreprises en difficulté, et que la décision d’abandon n’est avantageuse ni pour les entreprises qui la prennent ni pour leurs investisseurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.049 | 0.121 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".