Assessing Institutional Dynamics of Governance Compliance in Emerging Markets: The GCC Real Estate Sector
Notice bibliographique
Résumé
The real estate sector has emerged as the bedrock of the Gulf Cooperation Council (GCC) economies, and it has remained resilient despite the various unprecedented micro- and macro-economic shocks devouring the world’s economies. However, wavering investor attitudes and minimal exposure to real estate investment vehicles, coupled with weak regulatory frameworks, have led to dramatic downturns in the sector. Transparency about what is happening in real estate is imperative if the success of high-profile initiatives is to continue and much depends on good corporate governance (CG) in the sector. Using the most recent data from 2019, the current study applies the CG Index (CGI) and CG Deviation Index (CGDI) constructs to the real estate (RE) sector in the GCC in an effort to develop vital indicators for future RE investment decisions in the GCC region. The results indicate that the highest CG adherence levels are being achieved in Dubai, followed by Abu Dhabi and Saudi Arabia. The authors attribute these countries’ success in CG adherence to the entrepreneurial identity of them RE firms as well as to their governance capacity, their socio-cognitive capability, and the level of regulatory enforcement within the context of their dominant governance logic. It should be noted that there are variations in adherence levels throughout each region. The results also agree with prior literature that a higher CGS leads to a lower CGD score, and vice versa. At this point, encouraging more real estate investment trust (REIT) formations in the GCC could ensure value propositions, such as liquidity, to both investors and RE companies as well as solid governance fundamentals. This is strongly recommended for increasing the RE presence and its contribution to the GDP of each country.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».