Loan Growth, Bank Solvency and Firm Value: A Comparative Study of Nigerian and Malaysian Commercial Banks
Notice bibliographique
Résumé
The study explore the issues relating to credit growth, non-performing credit and bank solvency in the banking industry, recognizing that existing studies are largely sketchy in emerging and developing markets. Panel data estimation technique is employed in the study based on data extracted from 26 commercial banks in Nigeria and Malaysia over the period 2009 to 2017 making up to 234 observations. The results reveal that the NPLs for all banks is only explained by loan growth and inflation, NPLs for Nigerian banks is only explained by loan growth, leverage, efficiency, size and inflations while NPLs for Malaysian banks is only explained by leverage, efficiency, size, GDP and inflation. The bank solvency for all banks is only explained by NPLs, loan growth and leverage. The solvency for Nigerian banks is explained by NPLs, leverage and GDP while loan growth, size and inflation explained bank solvency for Malaysian banks. Firm value for all banks is explained by solvency, NPLs, leverage, efficiency, size and GDP, the value of firm for Nigerian banks is only explained by solvency, loan growth, leverage, efficiency and size. The firm value for Malaysian banks is only explained by solvency, loan growth, leverage, efficiency, size, GDP and inflation. It is observed that bank solvency play an important role in the firm value of commercial banks in the period of study. Hence, this paper contributes to the understanding of the dynamic role of abnormal loan growth and how it can enhance the volume of non-performing credit and suggest that further study can explore the interaction between abnormal loan growth and non-performing loans.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».