MétaCan
Menu
Retour à la cohorte
Enregistrement W1523031642 · doi:10.5296/ijafr.v5i1.7653

Is there a Relation between CEO Remuneration and Banks' Size and performance?

2015· article· en· W1523031642 sur OpenAlexaboutno aff
Imad Kutum

Notice bibliographique

RevueInternational Journal of Accounting and Financial Reporting · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemunerationAccountingBusinessProfit marginVariablesEmpirical researchMarketingFinanceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

The goal of the study is to establish what kind of relationship, if any, exists between CEO remuneration and Banks size and performance. The study is extremely relevant, especially in the financial sector after the crisis of 2007-2008. Many critics have argued both as rhetoric as well as an empirical study that high executive pays have a negative impact on the sustainability and success of a firm. Studying the literature reveals plurality in positions. Since this is an extremely complex question, it is understandable that literature exists arguing on both sides of the debate. This paper collected data on Bank Size and Bank Performance for 6 Canadian banks to study their correlation with CEO remuneration. It was hypothesized that there existed a positive relationship between CEO remuneration and Bank Size (measured by Sales, Deposits and Employees) and Bank Performance (measured by ROA, ROE and Profit Margin). The data was put through SPSS for a Pearson coefficient analysis which revealed a strongly positive correlation between CEO remuneration and all three variables of Bank Size. On the other hand, no significant relationship could be established between CEO remuneration and Bank Performance except a weak positive relationship with ROA. The study can be helpful in executive decision making. However, it also calls for further research into external factors that have an impact on the relationships between these variables. Most importantly a comparison study following the same methodology of different regions can give us more useful business intelligence and insight

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,032
Tête enseignante GPT0,255
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Accounting and Financial ReportingMême sujetCorporate Finance and GovernanceTravaux en français237 207