Gender diversity and bank risk-taking: female directors and executives
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The authors investigate how a gender-diverse board, a gender-diverse executive team, or a female chief executive officer (CEO) impact bank balance sheet and equity risk. Design/methodology/approach Using panel data of U.S. bank holding companies over the period of 1992–2019, the authors conduct panel regressions with bank and year-fixed effects to analyze how female directors, female executives, and female CEOs impact a wide range of bank risk measures, controlling for the bank, board and executive characteristics. Findings The authors find female directors significantly reduce all types of risk. Female executives reduce some balance sheet risk but have an insignificant effect on bank equity risk. However, the presence of female CEOs does not significantly reduce bank risk-taking. During financial crises, female CEOs even increase equity risk. Social implications The findings are important to shed light on the ongoing debate on how gender quota policy could be efficiently used to balance the need for gender diversity while ensuring corporate performance. It could also improve social welfare by guiding proper public policy to ensure the efficient use of social labor capital and curb banks' excessive risk-taking incentives. Originality/value The authors provide the first empirical evidence demonstrating that female directors and female executives in the banking industry have different impacts on bank risk-taking. The authors also provide the first empirical evidence that female leaders have a different impact on two different types of risks: balance sheet and equity risk. The study is also the first to analyze the impact of female executives over multiple financial crises.
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.
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 | 0,000 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 découle