MétaCan
Menu
Retour à la cohorte
Enregistrement W1482239271

Market Structure of Nepalese Banking Industry

2010· article· en· W1482239271 sur OpenAlexaff
Dinesh Gajurel

Notice bibliographique

RevueSSRN Electronic Journal · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensUniversity of FrederictonUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésMonopolistic competitionMarket concentrationMonopolyCapitalizationMarket structureMarket sizeEconomicsMarket capitalizationMonetary economicsCompetition (biology)Lerner indexBanking industryRevenueMarket sharePerfect competitionFactor marketMarket powerMarket economyFinancial systemIndustrial organizationMicroeconomicsInternational economicsStock marketFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper examines the evolution of market concentration and tests the market competition of Nepalese banking industry for an unbalanced panel of 15-25 banks for the period of 2001-2009. The market concentration is measured by Hirschman-Herfindahl indices and concentration ratios whereas market competition is tested under Panzar-Rosse approach. The concentration measures indicate decreasing trend and low level of market concentration in Nepalese banking industry. The test of market competition/contestability by using Panzar-Rosse approach rejects both the hypotheses for monopoly and perfect competition indicating monopolistic market behaviors among banks. In addition, the market for interest-based income is found more competitive than that of the market for fee-based income. The results further indicate that size has positive and equity capitalization has negative impact on revenue generation. The results are robust across different specifications and across different estimation techniques.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,214
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetBanking stability, regulation, efficiencyTravaux en français237 207