Security Challenge, Bank Fraud and Commercial Bank Performance in Nigeria: An Evaluation
Notice bibliographique
Résumé
The issues of insecurity and fraud in the banking sector of the Nigerian have become the concern of everyone. Achumba, Ighomereho, and Akpor-Robaro (2013) maintain that the concrete evidences of these incidences in different parts of Nigeria indicate that the security challenge in the country is enormous and complex and would continue to be, if the situation remains unabated. This paper evaluates the insecure situation, bank fraud and their impact on bank performance. This evaluation requires the formulation of some testable hypotheses to confirm the impact of insecurity and fraud on bank performance. Multiple regression analysis was applied to determine if there is any significant relationship between the indicators of bank insecurity, fraud and the earnings before tax (the indicator of bank performance) of the Commercial banks in Nigeria. Data were obtained through secondary sources on the indicators of bank insecurity and fraud and the earnings before tax of Commercial banks in Nigeria for the period 1991 -2013 from Nigeria Deposit and Insurance Corporation’s Annual Report. The results of the study demonstrate an inverse relationship between Expected Losses on insecurity and Fraud (ELF), Number of Fraud Cases (NFC) and Number of Staff involved in Fraud Cases and earnings before tax of commercial banks in Nigeria. The results of the Granger causality test show a uni-directional causality from bank insecurity and fraud to commercial bank performance. However, the Volume (Amount) of bank insecurity, Fraud cases (VFC) and earnings of commercial banks in the parsimonious ECM show positive but significant relationship. We therefore recommend that both government and banks should team up and involve foreign intervention in fighting insecurity and fraud in the banking sector. New staff of the bank should have a guarantor who will pledge a reasonable sum with the bank in case the staff is involved in fraud. Directors should be knowledgeable in accounting and banking and must have stakes in the bank.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».