Can supervisor reminders help prevent fraud in the mutual funds sector
Notice bibliographique
Résumé
Purpose This study is based on the enforcement record from Canada’s natural mutual fund regulator. This record documented a small subset of mutual fund dealers who had been disciplined for their misconduct from 2007 to 2014. The purpose of this paper is to determine what factors contribute to mutual fund dealers’ time to first financial fraud offense. The longer the time to fraud, the healthier the mutual fund industry and the better a mutual fund dealer’s career. Design/methodology/approach Based on the belief that adversity reveals true character, the study approaches a mutual dealer’s career success from human capital, socio-demographic and organizational sponsorship points of view by measuring dealers’ success as their time from career beginning to first instance of financial fraud. Ordinary least square regression analysis was used to identify if those factors, including provision of supervisor reminders, gender, position and penalties, are related to career success within the Canadian mutual fund regulatory framework. The research is based on a small sample of mutual fund dealers who had been disciplined for their misconduct from 2007 to 2014. Findings The study finds that a supervisor’s reminders positively contribute to the career success of a mutual fund dealer in the form of extending their time to fraud. As well, being female is an adverse factor to career success even when both female and male dealers received about the same level of supervisor reminders. It also finds that being in a management position has no association with time to fraud. Originality/value The study establishes the statistically significant positive relationship between time to fraud and supervisor’s reminders for mutual fund dealers. At the same time, it shows that human capital and access to organizational resources, measured by being in a management position, have no significant relation to when fraud is committed. This result indicates the value of continuing education for all mutual fund dealers, both inexperienced and experienced.
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 | 0,005 | 0,065 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».