Development of Risk Index and Risk Governance Index: Application in Indian Public Sector Undertakings
Notice bibliographique
Résumé
The purpose of the paper is to develop a risk measure in the form of a risk index and a governance index as an indicator of the quality of governance structure. Using the Delphi technique, two indices are developed (risk index and corporate governance index (CGI)); subsequently, using the 10-year (2005–2015) data of top Indian Public Sector Undertakings (PSUs) and diff-GMM regression (to deal with endogeneity), indices have been validated. Though the data set may appear old, it has only been used to test the risk index and analyze the results. Empirical evidence on indices indicates that Indian PSUs have ‘moderate’ risk levels and ample scope for improvement in their governance structure. Further, a positive relation between governance index and returns and negative relation between risk index and returns lend credence to the indices developed in the study. Notably, the governance index appears to be a moderating variable in the relationship between risk and return. It is perhaps the first study to put forth a comprehensive measure of risk to measure risk levels of PSUs and prescribe a measure of the quality of governance structure. While constructing the CGI, certain non-compliances were observed, even in terms of mandatory requirements, such as the proportion of PSUs may take independent directors. The new datasets may further check for compliance and its effect on the results. Such infringements call for stringent penal provisions and better monitoring of PSUs. Further, if the normative frameworks are adhered to as per the study by the Securities and Exchange Board of India (SEBI) and Ministry of Corporate Affairs (MCA), more effective and efficient decisions with lower risks, and hassle-free management resulting in better return on assets and return on equity.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».