A study on relationship between CAMELS Index's and Risk taking: A case study of Iranian banking industry
Notice bibliographique
Résumé
Among the activists of the money market, banks as the most important financial institutions undertake an important role in optimal appropriation of financial short-term resources. Furthermore, they allocate the short-term surplus funds to enterprises, which have a short-term need. Holding a main part of the funds in economy circulation, banks have a critical role in adjustment of economic relations. Banks are facing different types of risks in their daily operations. In the banking system, the CAMELS indictors are used to evaluate and rate of the performance of banks. The CAMELS rating model is one of the most effective systems of financial assessment in banks. Therefore, in this research, the effects of CAMELS indicators of banks on risk taking of Iranian banks are studied. The statistical population of the national banking system includes all governmental and private banks. The whole statistical population is studied as a research sample during 2006-2011. Taking into consideration the fact that the research data or section-bounded and time-bounded, a combinational regression analysis has been used. The results of the combinational regression analysis have supported the presence of a reverse and meaningful effect of the indicators of assets quality and sensitivity of market risk on risk taking in national banks. In addition, the results have supported the direct and meaningful effects of capital sufficiency and quality of profit-making on risk taking, however, the effects of the indicators of management quality and liquidity quality on risk taking have been rejected.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».