Der Beitrag "The Informational Content of Key Audit Matters: Evidence from Using Artificial Intelligence in Textual Analysis" wurde kürzlich vom Journal Contemporary Accounting Research (VHB-Rating RECH 2024: A+, FT50) zur Publikation angenommen.
Die Studie liefert empirische Befunde dafür, dass Key Audit Matters (KAMs) aussagekräftige Hinweise zu zukünftige negative Rechnungslegungsereignisse geben. Mithilfe des Large Language Models (LLM) FinBERT zeigen die Autoren, dass KAMs künftige Wertminderungen von Firmenwerten (Goodwill) vorhersagen können. Besonders aufschlussreich sind dabei Textstellen, in denen Ermessensentscheidungen von Unternehmen und Wirtschaftsprüfern beschrieben werden. Dabei haben KAMs eine eigenständige prognostische Aussagekraft, die über andere Unternehmenskennzahlen und Jahresabschlussinformationen hinausgeht. Weitere Analysen zeigen, dass die von KAMs abgeleiteten Prognosen auch für Kapitalmärkte relevant sind, die Höhe der Wertminderung vorhersagen können und sich auf andere KAM-Themen ausweiten lassen. Insgesamt unterstreichen die Ergebnisse den Informationsgehalt von KAMs – einem zentralen Ziel ihrer Einführung.
Die Forschungsarbeit ist ein gemeinsames Projekt von Prof. Tobias Steindl (Universität Regensburg), Prof. Stephan Küster (Freie Universität Berlin) und Prof. Max Göttsche (Katholische Universität Eichstätt-Ingolstadt).
Den vollständigen Beitrag finden Sie unter diesem Link (externer Link, öffnet neues Fenster).
