Corporate rescue reform in Nigeria : a comparative analysis of the law and policy in the context of African rehabilitation models
Notice bibliographique
Résumé
This thesis critically examines the corporate rescue reform in Nigeria, focusing on the extent to which the Companies and Allied Matters Act (CAMA) 2020 facilitates the effective and efficient rescue of financially distressed companies. Historically, Nigeria’s insolvency law significantly focused on creditor recovery, resulting in the winding up of companies in financial distress, which increased business closures, loss of jobs, and economic uncertainty. This traditional approach to insolvency, entrenched under the CAMA 1990, provided limited corporate rescue options. Hence, the CAMA 2020 was enacted, in part, to shift the focus of Nigeria’s insolvency law from liquidation and winding-up to the rescue of companies with the introduction of modern corporate rescue tools such as the Companies Voluntary Arrangement and Administration. Taking a comparative and analytical approach, the thesis interrogates the corporate rescue models from leading Anglo-American jurisdictions, such as the United Kingdom and the United States, and the African jurisdictions, such as Kenya and South Africa, to provide a basis for assessing CAMA 2020. It demonstrates that CAMA 2020 incorporates the hallmarks of an effective and efficient insolvency system based on the benchmark under the UNCITRAL Legislative Guide. However, it argues that the attempt to shift the focus of Nigeria’s insolvency law has not altered the statistics on corporate failure due to practical challenges that limit the application of CAMA 2020. These challenges are particularly evident in the lack of a cross-border insolvency framework and weak institutional capacity. By benchmarking Nigeria’s corporate rescue model with the models from select African jurisdictions, Nigeria can draw lessons to strengthen its corporate rescue policy. The thesis, therefore, highlights the need for substantial alignment with international best practices, including the need to strengthen relevant institutions to support more efficient implementation of the corporate rescue tools under CAMA 2020.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».