MétaCan
Menu
Retour à la cohorte
Enregistrement W3171202493 · doi:10.5267/j.ac.2021.5.010

Impact of IFRS (9) on the size of loan loss provisions: An applied study on Jordanian commercial banks during 2015-2019

2021· article· en· W3171202493 sur OpenAlexvenueno aff
Saad Abudl Kareem Alsakini, Hanan Al Awawdeh, Ismail Al Awamleh, Adel M. Qatawneh

Notice bibliographique

RevueAccounting · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Governance and Financial Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingFinancial statementBusinessLoanStock exchangeNonprobability samplingAuditCorporate governanceFinance

Résumé

récupéré en direct d'OpenAlex

A fraudulent financial statement is an issue that continues to be discussed as a form of deviation from corporate governance. Covid-19 pandemic has also demanded management to uphold the company's performance to have a good public image. Thus, the present study sets out to scrutinize the fraud pentagon theory on fraudulent financial statements. Each element is not able to be tested directly. However, there are proxies. The pressure element is proxied as a personal financial need. The opportunity is becoming the nature of industry. Each of the qualities of the external auditors as well as the change of directors propose rationalization and competence. The frequent number of CEO’s appearances in photos is a proxy of arrogance. The testing was carried out on the registered pharmaceutical companies of the Indonesian stock exchange in the span of the 2015-2019 period. The samples were selected by the means of sampling technique which is purposive. Data are scrutinized by the means of panel data regression. The analysis results show that the characteristics of the industry positively affects financial reports which are fraudulent. Changing top management positions such as directors can be an indication of financial reports which are fraudulent. The personal financial need variables, the caliber of external auditors and the quantity of CEO’s appearance in photos pose no effects on the fraudulent financial statements of the Indonesian's pharmaceutical companies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,080
Score d'incertitude au seuil0,844

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,257
Écart entre enseignants0,239 · 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccountingMême sujetCorporate Governance and Financial ManagementTravaux en français237 207