The Determinants of Profitability of Non-Bank Financial Institutions in Bangladesh
Notice bibliographique
Résumé
The non-bank financial institutions (NBFI) industry is considered to be an important source of financing in any economy. Stability of earnings is one of the pre-conditions for survival and growth of any industry in the long run. Keeping the importance of profitability in mind, this paper tries to find out the major financial factors affecting the profitability of the NBFI industry in Bangladesh and evaluate the aspects of the findings. The data was collected for 12 different NBFIs for a period of five years (2013-2017). Return on equity was defined as the dependent variable while firm size, capital adequacy ratio, loan ratio, non-performing loan ratio, deposit ratio, net interest margin, non-interest income margin and cost to income ratio were identified as explanatory or independent variables. Multiple regression analysis was conducted on the data to test the research hypotheses. The findings of the study show that capital adequacy ratio, deposit ratio, non-performing loan ratio and net interest margin were statistically significant at 5% level. Firm size, loan ratio, net interest margin and non-interest income margin show positive relationship with profitability whereas capital adequacy ratio, deposit ratio, non-performing loan ratio and cost to income ratio show negative relationship with profitability. Non-performing loan ratio and net interest margin were found to have a considerable impact on profitability of NBFIs. This is further supported by the fact that non-performing loans do not generate any income and net interest income is considered the main source of income for a financial institution. The study recommends that the NBFIs in Bangladesh give due attention to these factors to improve their financial performance.
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 | 0,000 |
| 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 ».