Determinants of Bank Failures in Multiple-Currency Regime in Zimbabwe (2009–2012)
Notice bibliographique
Résumé
Upsurge in bank failure cases under a more stable currency environment are rare, but the Zimbabwean case raised a lot of questions, which justified the need to deeply investigate sources of bank failures. This is considered an imperative move considering the impact that bank failures pose to stakeholders outside the banking sector such as investors and depositors, the Zimbabwean banking sector itself as well as the entire economy. This study investigated the determinants of bank failures in Zimbabwe under the multicurrency environment. The study employed pooled logit estimator using general to specific logit estimation procedure on fourteen banks by making use of 2009–2012 panel data. Empirical findings indicated that the macroeconomic environment, in particular GDP growth rate, has much influence on bank failure than any other bank fundamental. Among bank fundamentals, liquidity, profitability and capitalisation proved to be prominent bank related determinants of bank failures in their respective order. Findings also suggest that loan-to-deposits ratio (LTD), deposits-to-assets ratio (DTA), gross revenue ratio (GRR), return on assets (ROA), efficiency ratio (EFR), SIZE and GDP growth rate (GDP) variables are negatively correlated to the possibility of banks failing while loan-to-assets (LTA) have positive influence on bank failures. Based on these findings the researcher recommends that RBZ must accentuate liquidity and capital requirements since both liquidity and capital ratios were significant and had higher marginal effects.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».