Board Attributes and Banks’ Abnormal Loan Loss Provision
Notice bibliographique
Résumé
It is pertinent to the document that BOD has the responsibility to scrutinize the information enclosed financial statements to ensure a quality and reliable financial information. More so, this paper examined the correlation between board attributes and loan loss provision of sampled Nigerian banks. This research covers a ten years period (2012-2021). Information related to data was got from the sampled banks’ yearly information. Paris-winsten regression, heteroskedastic panel corrected standard error (PCSE) was used because the data is homoskedastic in nature. This study introduced the whistle blowing policy as a control variable. Again, this study introduced learning by theory to explain firm age (control variable). Findings in the results show a significant positive correlation between board size and abnormal loan loss provision (ABLLP). Board meetings may have a negative insignificant connection with ABLLP. While, board autonomy has a positive insignificant correlation with ABLLP. Finally, it was found that whistleblowing may not significantly prevent the practice of ABLLP by banks in Nigeria. As a result, this study established that authorities like the Nigerian Apex Bank should ensure the compliance of their codes of best practice which will serve as an avenue to achieve a financial reporting quality. Federal Republic of Nigeria should ensure the full implementation of the law on whistleblowing policy and protection of whistleblowers. Furthermore, all findings and recommendations are restricted to the DMBs in Nigeria. Lastly, studies in the future are advised to focus on board attributes in the other domains where there is a practical problem to be addressed.
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 | 0,001 | 0,009 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».