Taux d’intérêt et risque de crédit : analyse du comportement des banques en relation avec les petites et moyennes entreprises sénégalaises
Notice bibliographique
Résumé
Cet article évalue d'un point de vue microéconomique, les déterminants du risque et du taux d’intérêt appliqués par les banques aux petites et moyennes entreprises (PME) en 2016 au Sénégal. En utilisant le modèle de Heckman (1979), deux équations sont estimées. Le premier modèle empirique spécifie le risque crédit des PME et le second donne l’impact sur le taux d’intérêt du score de crédit et des caractéristiques des Petites et Moyennes Entreprises. Les résultats fournissent des informations précieuses sur les caractéristiques que les institutions financières bancaires et non bancaires considèrent comme importantes dans leur décision de prêter aux PME. La connaissance de ces informations peut fournir aux PME un large éventail de critères qui doivent être satisfaits pour obtenir un financement des institutions financières au Sénégal. Selon les conclusions de l'étude, le risque de crédit a eu une influence notable sur le taux d’intérêt et les prêts consentis aux PME par les banques au Sénégal.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».