Disclosures regarding impairment of goodwill : A comparative study of annual reports of companies in Canada, Japan and Russia
Bibliographic record
Abstract
År 2005 blev det obligatoriskt för noterade bolag inom EU att upprätta sin koncernredovisning enligt IFRS. Dessa internationella redovisningsstandarder har som mål att skapa jämförbara, transparenta, relevanta, tillförlitliga och begripliga finansiella rapporter vilka behövs för att fatta ekonomiska beslut. Användandet av IFRS ökar inte bara inom EU utan också länder utanför EU, så som Kanada, Ryssland och Japan. Vid införandet av IFRS gick många bolag från att redovisa avskrivning av goodwill, till att göra nedskrivningstest enligt IAS 36 p. 134 och skriva ned goodwill vid behov. Användningen av nedskrivning av goodwill istället för avskrivning kan ge en klarare bild av företagen för intressenter. Det existerar dock kritik mot hur IAS 36 p. 134 och dess föreskrivningar för nedskrivningar tillämpas i redovisningspraxis. Tidigare studier i ämnet harmonisering, har visat att arbetet med att skapa jämförbarhet i praxis inte alltid lyckas. Samtidigt är differentieringen mellan anglosaxiska och kontinentala redovisningssystem inte lika tydliga idag som de varit i det förflutna. Detta gör det intressant att undersöka harmoniseringen och jämförbarheten i redovisningspraxis i företag, med länder som inte är medlemmar i EU. Genom en komparativ studie mellan länderna Kanada, Ryssland och Japan undersöks till vilken grad de tillämpar IFRS och vilken skillnad som existerar mellan de olika länderna.Studien använder sig av ett abduktivt förhållningssätt och syftar till att göra en komparativ studie över hur 85 företag redovisar nedskrivning av goodwill i länderna Kanada, Japan och Ryssland. En kvalitativ ansats, med en komparativ design används i första hand eftersom denna studie syftar till att undersöka harmoniseringsprocessen och dess kontinuerliga utveckling.Resultatet i studien visar att företagen i de tre länderna skiljer sig åt i vilken utsträckning som de redovisar enligt IAS 36 p. 134, som behandlar nedskrivning av goodwill. De kanadensiska företagen följer i genomsnitt paragraferna under IAS 36 p. 134 bättre än de andra länderna, medan resultatet för de företag som tillämpar nedskrivning av goodwill visar att de japanska företagen följer underparagraferna bäst.Slutsatsen som kan dras är att beroende på ett lands redovisningstradition samt vilka redovisningsprocesser som länderna använder, så kommer företagen följa internationella redovisningsprinciper i olika utsträckning.
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 | 0.006 | 0.034 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.006 | 0.013 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".