MétaCan
Menu
Retour à la cohorte
Enregistrement W2345217 · doi:10.1108/mf-05-2016-0127

On the role of the chief risk officer and the risk committee in insuring financial institutions against litigation

2017· article· en· W2345217 sur OpenAlexaff
Arash Amoozegar, Kuntara Pukthuanthong, Thomas Walker

Notice bibliographique

RevueManagerial Finance · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensConcordia UniversityGovernment of Canada
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceBusinessRisk managementShareholderFinancial risk managementFinanceAccountingFinancial riskLitigation risk analysisSystematic riskActuarial science

Résumé

récupéré en direct d'OpenAlex

Purpose In most financial institutions, chief risk officers (CROs) and their risk management (RM) staff fulfill a role in managing risk exposures, yet their lack of involvement in the governance has been cited as an influential factor that contributed to the financial crisis of 2007-2008. Various legislative and regulatory bodies have pressured financial firms to improve their risk governance structures to better weather potential future crises. Assuming that CROs and risk committees are given sufficient power to influence the corporate governance of financial institutions, can CROs and risk committees protect financial institutions from violating litigable securities law? Can they improve bank performance? The paper aims to discuss these issues. Design/methodology/approach The authors employ a principal component analysis to construct a single measure that captures various aspects of RM in a firm. The authors compare the risk governance characteristics of sued firms with their non-sued peers and consider one of the final outcomes of risky behavior: shareholder litigation. The authors compute ROA and buy-and-hold abnormal returns to capture operating and stock performance and examine whether risk governance improves bank performance by reducing litigation risk. Findings Proper risk governance reduces a firm’s litigation probability. The addition of the RM factor to models that have been previously proposed in the literature improves the accuracy of those models in identifying companies that are most susceptible to class action lawsuits. Better RM improves the financial and stock price performance of financial institutions. Research limitations/implications The data collection is laborious as the information about CRO governance has to be hand-collected from the 10-K report. A broader sample employing, e.g., non-US banks may provide additional insights into the relationship between RM practices, shareholder litigation, and bank performance. Practical implications The study shows that a bank’s RM functions play a critical role in improving bank and operating performance and in reducing shareholder litigation. Banks should emphasize the RM function. Originality/value This is the first study to examine the mechanism behind the positive association between RM and bank performance. The study shows that better RM improves overall bank performance by decreasing litigation risk.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,079
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,079
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,003
Communication savante0,0070,005
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,196
Écart entre enseignants0,183 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagerial FinanceMême sujetInsurance and Financial Risk ManagementTravaux en français237 207