Disclosure effectiveness in the financial planning industry
Notice bibliographique
Résumé
Purpose Scandals in the Australian financial services industry highlight the conflicts of interest between those who provide financial advice (financial planners) and their clients. Disclosure is a potential governance tool to manage these conflicts of interest by reducing asymmetries in information. Yet, the efficacy of disclosure is questionable as scandals persist, so this paper aims to research the effectiveness of disclosure in financial planning. Design/methodology/approach This research used a qualitative approach involving the triangulation of data from parliamentary inquiries in financial services with data collected in semi-structured interviews with financial planning professionals. Findings The findings draw a clear portrayal of the disclosure requirements and illustrate how disclosure processes are onerous and complex. Starting with detangling the complex interactions between the beneficial role of disclosure in reducing information asymmetry and unethical behaviour and the detrimental effect of information overload, the authors then highlight effective disclosure techniques used by financial planners, including visualisation of material information. The study reveals that financial planners perceive their role as filtering information for clients and ensuring clients’ comprehension, due to the onerous disclosure requirements. Research limitations/implications The study is of interest to researchers, practitioners, policymakers and society as it implies that how disclosure occurs is as important as what information is disclosed. Those who wish to foster effective disclosure in the financial services industry need to consider the quantity, quality and process of disclosure. A limitation is the research focusses on financial planning practices and not client outcomes, which could be considered in future research. Originality/value The study adds to the understanding of how disclosure is used as a governance tool and how the quantity of information may impede the effectiveness of disclosure in the financial planning industry. In addition, the study identifies and elaborates on the influential factors and best practices for enhancing the disclosure effectiveness by financial planners.
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 | 0,053 | 0,254 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».