Impacto de la compensación de los CEOs en la pertinencia de la información contable: la utilización del valor razonable
Bibliographic record
Abstract
El propósito de este artículo es indagar sobre el impacto que la compensación de los ejecutivos tiene sobre la pertinencia de la valuación de la organización cuando ésta utiliza el valor razonable. Para evaluar las hipótesis, se emplea una muestra de 16.338 observaciones que comprende desde 2007 a 2016 y un modelo modificado de Ohlson (1995). Los resultados sugieren que la intensidad de la compensación del CEO brinda un incentivo positivo para que los gerentes divulguen su información privilegiada en la información financiera, lo que da como resultado una mayor pertinencia del valor de la información cuando se usa la contabilidad a valor razonable. Los resultados también muestran que esta motivación positiva sólo se aplica a los valores razonables del Nivel 2, en los que aún existe un precio de mercado comparativo. Sin embargo, cuando no hay información alguna sobre el precio de mercado de un elemento en los estados financieros, los gerentes tienden a manipular la valoración de los datos de valor razonable de Nivel 3, lo que da como resultado una menor pertinencia del valor razonable. Los resultados ayudan a mejorar el conocimiento de los incentivos de gestión (compensación de CEO) en la determinación de los valores razonables. Contribuye a la literatura al proporcionar evidencia de cómo la remuneración del ejecutivo juega un papel importante como variable moderadora en la valuación de empresas cuando éstas usan el valor razonable.
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 | 0.004 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".