Startseite UR

The informational content of key audit matters: Evidence from using artificial intelligence in textual analysis

URN zum Zitieren dieses Dokuments:
urn:nbn:de:bvb:355-epub-784401
DOI zum Zitieren dieses Dokuments:
10.5283/epub.78440
Küster, Stephan ; Steindl, Tobias ; Max, Göttsche
[img]Lizenz: Creative Commons Namensnennung 4.0 International
PDF - Veröffentlichte Version
(1MB)
Veröffentlichungsdatum dieses Volltextes: 16 Jan 2026 09:14



Zusammenfassung

This study provides empirical evidence that key audit matters (KAMs) are informative for future negative accounting outcomes. We employ FinBERT—a deep learning model designed for natural language processing that allows human-like text comprehension—to demonstrate that goodwill-related KAMs are predictive of firms' future impairments. Our findings reveal that utilizing KAMs as a stand-alone ...

plus


Nur für Besitzer und Autoren: Kontrollseite des Eintrags
  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de
0941 943 -4239 oder -69394

Dissertationen: dissertationen@ur.de
0941 943 -3904

Forschungsdaten: datahub@ur.de
0941 943 -5707

Ansprechpartner