Étude empirique de la valorisation relative des entreprises utilisant les normes comptables françaises après l’adoption des normes IFRS
Bibliographic record
Abstract
Nous étudions la mise en œuvre de la méthode des multiples pour la valorisation des entreprises qui continuent d'appliquer les normes comptables nationales après l'adoption des normes IFRS par l'Union Européenne, en 2005. L'adoption des normes IFRS a fortement réduit l'ensemble des entreprises comparables appliquant les normes nationales. Notre analyse de 94 entreprises cibles ayant fait l’objet d'offres publiques d'achat (OPA) annoncées entre 1999 et 2016 met en évidence que le nombre d'entreprises comparables sélectionnées est réduit après 2005, mais leur sélection est basée sur un nombre plus élevé de critères. Globalement, la comparabilité économique des entreprises augmente mais la comparabilité comptable diminue. Les évaluateurs tentent de limiter ce problème par le recours à des multiples moins sensibles aux différences comptables, et par une réduction du poids accordé aux valeurs obtenues à l'aide de la méthode des entreprises comparables dans la fixation du prix d'offre de l'OPA. Notre article contribue à la littérature limitée sur les conséquences économiques de l'adoption des normes IFRS pour les sociétés n'ayant pas adopté ces normes.
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 | 0.154 | 0.305 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".