Enterprise Risk Management in the US Banking Sector Following the Financial Crisis
Notice bibliographique
Résumé
Purpose: The purpose of this paper is to investigate the effect of the financial crisis on the management of risk in the largest US banks. Design/Methodology/Approach: Levels of risk exposure, risk consequences and risk management were examined using a content analysis of the 10-K annual reports form of a sample of 59 largest U.S. banks. Paired-t-test, along with frequency analysis of the disclosures of 15 banking risks was used to test our research hypotheses. Findings: We found that the subprime financial crisis had significantly affected the levels of risk exposure and its consequences after the crisis (risks more probable and certain with major consequences). We also found minor but significant changes in the ERM strategies after the crisis for the three major categories of risk investigated in this study (financial, business, strategic). We found that the changes in ERM strategies were not significant for risks examined individually with the exception of credit risk. Finally, the number of banks disclosing their levels of ERM increased after the crisis especially for systemic risk. Practical implications: Our study is particularly relevant for standards setters and regulatory bodies for it sheds light on the vulnerability of banks to certain types of risks (such as systemic risk) and helps them orient their analysis and find comprehensive and innovative solutions for future reform. Originality/Value: This research enriches the literature on ERM disclosures and presents the first study examining the effect of the crisis on ERM levels in the US banking sector.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».