La gestion des bénéfices et la performance boursière : cas des entreprises acquéreuses canadiennes
Bibliographic record
Abstract
Il ressort clairement des études sur les fusions et acquisitions que ce sont les actionnaires des entreprises absorbées qui sortent gagnants, à cause surtout des primes de contrôle de plus en plus élevées qui leur sont versées. Du côté des entreprises acquéreuses, il semble que la performance soit négative ou, au mieux, neutre. La plupart des études démontrent que la contre-performance est surtout associée aux fusions ou acquisitions financées par échange d'actions. Ce phénomène demeure une énigme, car aucune explication valable n'a été avancée jusqu'à maintenant. Nous examinons la possibilité de gestion à la hausse des bénéfices durant la période précédant l'annonce d'une fusion ou acquisition financée par échange d'actions, dans le but de faire augmenter la valeur des actions. Nous mesurons également l'impact des manipulations comptables sur la performance boursière post-acquisition. Nos résultats, basés sur des fusions et acquisitions canadiennes entre 1990 et 2000 démontrent que : 1) l'ampleur de la gestion à la hausse des bénéfices des entreprises acquéreuses lors d'une fusion ou acquisition financée par échange d'actions est deux fois plus élevée que celle effectuée lors d'une transaction payée en espèces ; 2) la gestion à la hausse des bénéfices est associée à des rendements anormaux à long terme négatifs des actions pouvant persister jusqu'à trois ans après la transaction. Notre étude permet d'enrichir les connaissances sur la présence de la gestion des bénéfices dans le contexte spécifique des fusions et acquisitions ainsi que de ses conséquences. Les normalisateurs pourront ainsi orienter leurs efforts, le cas échéant, afin d'améliorer le processus de communication de l'information comptable.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 0.001 |
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".