Corporate Governance Attributes in Fraud Detterence
Notice bibliographique
Résumé
The failures of corporations such as Enron, WorldCom and HIH Insurance, to name but a few, have heightened investor awareness of the need to not only evaluate company performance, but also to consider the possibility that financial statements may not be a true reflection of company results, as fraudulent activities may have occurred during the reporting period. Since parties who are outside of the firm do not have access to pertinent information, they have to rely upon published financial and non-financial data to form an opinion regarding performance and/or the risk that fraudulent activities may have occurred. The prior literature shows a relationship between weak corporate governance and fraudulent activities, although most if not all of this research relates to Western economies. The differences in institutional setting e.g. cultural values and legal environment in Malaysia would not give the same findings with the study in western economies. Composing of many ethnicities, Malaysia is a multicultural country. With each ethnic group upholding its own culture, values and belief, businesses are conducted according to each ethnic’s culture. The results of this study could shed some light on the influence of institutional setting regarding corporate governance. Companies that were charged with accounting and auditing offences from year 2003 to 2007 were selected as the fraudulent samples. Data was collected from the years these companies were charged with fraud and the year prior to that. Logistic regression analysis was carried out to determine the significant differences between fraudulent and non-fraudulent companies with respect to corporate governance characteristics. The results indicated that the size of the board and the percentage of institutional shareholdings had significant relationships with the likelihood of corporate fraud occurrences consistently across the two-year period studied. The results of this study will assist public, corporate and accounting policy makers in formulating more effective corporate governance mechanisms.
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 | 0,003 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».