What Is Corporate Governance? Can We Measure It? Can Investment Fiduciaries Rely on It?
Notice bibliographique
Résumé
Ranking or evaluating corporate governance has become a big business. Trillions of dollars of investment capital is now allocated with reference to third-party commercial scoring of firms’ corporate governance arrangements. Media outlets rank companies with the best governance, and proxy advisors score governance arrangements and use them to make voting recommendations. But what, exactly, is being measured? And do the resulting measurements tell investors anything useful about what is going on inside the corporation? When the empirical research is examined, there appears to be no relationship between corporate governance scores or ranking schemes and future corporate performance. These schemes also fail to identify companies that are likely to experience scandals or even terminate underperforming executives. This is the case whether we examine the work of commercial rating agencies, media outlets, “comply or explain” regulatory regimes, academic models, or Environmental, Social and Governance indices. How did we get to such an absurd situation? How did corporate governance measures become detached from the actual operational outcomes that we care about? Twentieth century corporate law scholars welcomed the theoretical coherence that was eventually provided by agency theory and the modern conception of corporate governance. Commercial providers of financial products found various market and institutional imperatives satisfied by the new way of thinking about companies. But unlike these other actors, fund managers owe fiduciary duties that should prevent them from relying on the evidently flawed modern approach to measuring corporate governance. In fact, bad measurements of corporate governance adversely impact the risk-adjusted returns of even well-diversified portfolios.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».