MétaCan
Menu
Retour à la cohorte
Enregistrement W2945816347 · doi:10.5430/ijfr.v10n3p239

Examining the Relationship Between Enterprise Risk Management and Firm Performance in Malaysia

2019· article· en· W2945816347 sur OpenAlexvenueno aff
Mazurina Mohd Ali, Nur Shazwani Ab Hamid, Erlane K Ghani

Notice bibliographique

RevueInternational Journal of Financial Research · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessLeverage (statistics)AccountingEnterprise risk managementProfitability indexPublic enterpriseAudit committeeSample (material)GuidelineAuditRisk managementFinance

Résumé

récupéré en direct d'OpenAlex

This study aims to examine the relationship between enterprise risk management (ERM) implementation and firm performance in Malaysia. Using the sample from 2010 to 2016, this study examines the relationship between ERM and firm performance among Malaysian top 100 public listed firms registered on the Index FTSE Bursa Malaysia 100 (FBM100) KLSE. This study also provides comparisons before and after the introduction of Bursa Malaysia Guidelines 2013. This study shows a positive and significant coefficient between profitability and firm performance towards ERM implementation. However, this study shows insignificant relationship between firm size, financial leverage and audit firm with firm performance. This study also shows that there is an increase in the mean score and standard deviation of these variables after the implementation of Bursa Malaysia Guideline 2013. The findings in this study provides an understanding to the Malaysian public listed firms on the importance of ERM and subsequently, maximise the benefits of ERM especially after the introduction of Bursa Malaysia Guidelines 2013 for the benefits of their stakeholders and regulatory improvement in future.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,070
Score d'incertitude au seuil0,394

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,074
Tête enseignante GPT0,325
Écart entre enseignants0,252 · 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

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetRisk Management in Financial FirmsTravaux en français237 207