DIVULGAÇÃO DE FRAQUEZAS MATERIAIS NOS CONTROLES INTERNOS DE COMPANHIAS EMISSORAS DE ADRS LISTADAS NA NYSE
Bibliographic record
Abstract
Este estudo teve por objetivo identificar as fraquezas materiais nos controles internos das empresas estrangeiras emissoras de American Depositary Receipts (ADRs), listadas na New York Stock Exchange (NYSE). Como o reporte de fraquezas materiais por parte das empresas nao norte-americanas e um tema recente, este estudo contribui para a ampliacao do conhecimento academico sobre o assunto. Realizou-se uma pesquisa descritiva, por meio de analise documental e abordagem quantitativa e qualitativa dos dados. A amostra reuniu 79 empresas emissoras de ADRs com acoes negociadas na NYSE que divulgaram fraquezas materiais nos controles internos sobre relatorios financeiros nos Formularios 20-F referentes ao periodo de 2006 a 2015. As fraquezas materiais foram classificadas conforme a sua natureza e gravidade. Foram reportadas 364 fraquezas materiais nos Formularios 20-F das empresas estrangeiras. Materiais Basicos foi o setor que apresentou o maior numero de fraquezas materiais e a maior parte das empresas sao da China, seguidas do Canada e do Brasil. Quanto a natureza, os tres tipos mais recorrentes de fraquezas materiais estao relacionados a preparacao das demonstracoes contabeis; reconhecimento, mensuracao e divulgacao de ativos/passivos, e, recursos e competencias/formacao do pessoal de contabilidade. Em relacao a gravidade, das 364 fraquezas materiais nos controles internos identificadas, 31% foram consideradas menos graves e 69% foram consideradas mais graves. Conclui-se que as entidades analisadas apresentam graves problemas de controle interno, o que gera uma circunstância de alerta para todo o mercado de capitais, uma vez que tais empresas apresentariam risco de distorcoes relevantes podendo afetar a tomada de decisao de investidores.
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 | 0.002 | 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 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".