What Determines Banks’ Profitability? Evidence from Emerging Markets—the Case of the UAE Banking Sector
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The primary objective of this study is to examine the variables that impact the profitability of UAE banks. The current study provides evidence of important bank-specific, macroeconomic, and industry-specific variables that have affected UAE banks’ profitability by analyzing balanced panel data for 2006 to 2013. Both Islamic and non-Islamic, domestic commercial banks are considered for the purposes of this study. This paper puts into relief the determinants of the profitability of the domestic commercial banking sector of the UAE. The sample comprises 19 UAE domestic banks. The paper examines internal variables (company-level indicators), which include size, liquidity, and capital adequacy, as well as external variables, which include macroeconomic and industry-specific variables. Panel data regression analysis is used for the analysis. Based on the empirical analysis, the cost efficiency, nontraditional revenue sources, and high asset quality are the most significant bank-specific variables, and bank managers can use them to make future policy decisions. The GDP, a macroeconomic variable, is found to be relevant to the return on assets and return on equity. The model generated in the study can explain a greater than 75% change in the total variance of various measures of profitability. This paper adds to the body of knowledge by empirically highlighting the most recent and extensive panel data for the entire domestic banking sector of the UAE, undoubtedly one of the most important banking sectors in the Middle East. The paper uses a range of independent variables for the internal, macroeconomic, and industry-specific variables.
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.
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 | 0,004 | 0,003 |
| 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 | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle