پارس پروژه پرتال خدمات دانشگاهی
این مقاله علمی پژوهشی (ISI) به زبان انگلیسی از نشریه الزویر مربوط به سال ۲۰۲۳ دارای ۱۹ صفحه انگلیسی با فرمت PDF می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی و بخشی از ترجمه فارسی مقاله موجود می باشد.
کد محصول: H899
سال نشر: ۲۰۲۳
نام ناشر (پایگاه داده): الزویر
نام مجله: Advances in Accounting
نوع مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۱۹ صفحه PDF
عنوان کامل فارسی:
مقاله انگلیسی ۲۰۲۳ : اقلام تعهدی و چرخه عمر شرکت: بهبود شناسایی مدیریت سود نظارتی
عنوان کامل انگلیسی:
Accruals and firm life cycle: Improving regulatory earnings management detection
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:H899)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
چکیده فارسی
قانونگذاران انرژی قابل توجهی را صرف توسعه ابزارهای تحلیلی برای شناسایی بهتر مدیریت سود می کنند. ما نشان می دهیم که شرکتهایی که در مراحل چرخه عمر (LCS)مشابه هستند با نگرانیهای استراتژیک، فشارهای مدیریتی و چشمانداز رشد مشابهی رو به رو می شوند و اینکه تشابه در این عوامل به فرآیند تولید اقلام تعهدی “عادی” کمک می کند. بر اساس این پیشبینی، ما شرایط مختلف مدیریت سود را شبیهسازی میکنیم و متوجه میشویم که مدلهای اقلام تعهدی در تشخیص دستکاری در LCSهای خاص به اشتباه مشخص شدهاند، به ویژه، شرکتهای تازه تاسیس، درمانده و ورشکسته بیش از حد به عنوان شرکت های دستکاریکننده شناخته میشوند، در حالی که زمانی که از LCS برای برآورد اقلام تعهدی استفاده نمی شود، شرکت های رشدیافته و بالغ کمتر به عنوان شرکت های دستکاری کننده شناخته می شوند. میانگین وزنی عملکرد در طول مراحل چرخه عمر نشان می دهد که برآورد LCS از اقلام تعهدی اختیاری به طور قابل ملاحظه ای تشخیص موفقیت آمیز را بهبود می بخشد و خطاهای نوع I را نسبت به سایر گزینه های گروه بندی کاهش می دهد. بهبود ترکیبی در خطاهای نوع I و نوع II برای هر دو مدل اصلاح شده جونز و مدل های درآمد اختیاری مدیریت سود مبتنی بر اقلام تعهدی بیش از ۷۰٪ است.
کلمات کلیدی: اقلام تعهدی، چرخه عمر، مدیریت سود، تشخیص نادرست
Abstract
Regulators have invested considerable energy into developing analytical tools to better detect earnings management. We propose that firms in similar life cycle stages (LCSs) face similar strategic concerns, managerial pressures, growth prospects, etc., and that the commonality in these factors contribute to the “normal” accruals generating process. Consistent with this prediction, we simulate various earnings management conditions and find that accruals models are misspecified in detecting manipulation within particular LCSs; in particular, introduction, shakeout, and decline firms are over-identified as manipulators, while growth and mature firms are under-identified as manipulators when LCS is not used to estimate accruals. Weighted average performance across life cycle stages reveals that LCS estimation of discretionary accruals substantially improves successful detection and reduces Type I errors relative to other grouping alternatives. The combined improvement across both Type I and Type II errors is over 70% for both the modified Jones and discretionary revenue models of accruals-based earnings management.
Keywords: Accruals, Life cycle, Earnings management, Misspecification
۱.Introduction
“The identification of false positives can be costly, not only for the registrant erroneously tagged as engaging in earnings management, but for staff who has expended resources to investigate further. However, if the number of false positives can be kept to a manageable level, the use of quantitative models regarding discretionary accounting choices could be a powerful tool for staff who may be interested in the full range of behaviors associated with earnings management, and not merely as a way to potentially identify fraud.” Craig Lewis, Chief Economist and Director, Division of Risk, Strategy, and Financial Innovation; U.S. Securities & Exchange Commission (SEC), 2012…
۵.Conclusion
Prior literature traditionally relies on industry as the sole classification variable by which to estimate discretionary accruals used to identify earnings management. More recent literature introduces firm size and performance/expected growth as alternatives to industry partitioning. We propose that models using firm LCS will increase the homogeneity of estimation samples, as firms in similar LCSs face similar strategic concerns, managerial pressures, growth prospects, etc. Consistent with this prediction, this study demonstrates that LCS improves estimation sample homogeneity in both the modified Jones and revenue models of discretionary accruals. Critically, we find that both models are misspecified and lack power when LCS is not considered, leading to increased Type I and Type II errors…
| مقالات مرتبط با این موضوع |