Modelling the Impact of Liquidity Trend on the Financial Performance of Commercial Banks and Economic Growth in Cameroon
Notice bibliographique
Résumé
Recent year statistics have revealed the build-up of excess liquidity in Cameroonian commercial banks for more than two decades now. This has led to renewed interest in liquidity management, as it has implications on the financial performance of commercial banks. This paper is therefore designed to examine the impact of excess liquidity on the financial performance of commercial banks in Cameroon. Using Return on Assets (ROA) as proxy for the measurement of financial performance, secondary data from 1990 to 2016, with the application of the VAR technique, the findings reveals that excess liquidity and total liquid outflows affect ROA negatively. Gross domestic product, interest rate gap, total liquid inflows and previous year ROA had positive effects on ROA. Also from the empirical findings, there is an existing significant negative chain between excess liquidity, commercial bank performance and economic growth in Cameroon based on the Koyck Geometric lag reasoning. To address the negative vicious cycle chain, we therefore recommend guided minimum and maximum liquidity regulatory control and government effort geared towards encouraging moral suasions and special directive of investment by commercial banks in the agricultural, industrial and the educational sectors in Cameroon. Also, commercial banks should set maturity mismatch limits appropriate to the size of excess liquidity observed in each bank. Attempt to reverse the chain is part of the assurance to Cameroon emergence by 2035.
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 | 0,004 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».