MétaCan
Menu
Retour à la cohorte
Enregistrement W2960072163 · doi:10.3390/jrfm12030120

The Good and Bad News about the New Liquidity Rules of Basel III in Islamic Banking of Malaysia

2019· article· en· W2960072163 sur OpenAlexvenueno aff
Shazleena Mohamed Zainudin, Siti Zaleha Abdul Rasid, Rosmini Omar, Rohail Hassan

Notice bibliographique

RevueJournal of risk and financial management · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBasel IIIIslamMarket liquidityOperational riskBusinessBasel IIFinancial systemLiquidity riskRisk managementIslamic bankingAccountingEconomicsFinanceCapital requirementMarket economy

Résumé

récupéré en direct d'OpenAlex

How has Basel III (Bank for International Settlements), regarding the computation, measurement, and management of the liquidity coverage ratio (LCR), vitalized the Islamic banking sector in emerging economies? Vice versa, what is the Islamic banking sector’s capacity to respond in embracing Basel III? This study aims to review the current issues faced by a bank as it discusses the current regulatory guidelines and operational challenges in implementing the system. Based on the implementation of LCR preliminary secondary data of Malaysian banks between 2010 and 2016, this study finds that the readiness of LCR system implementation in the Islamic banking industry is currently low because LCR is still relatively new for all financial institutions and vendors. There is a huge gap between the present system infrastructure of the banks and the LCR model requirements as defined by BNM (Bank Negara Malaysia) under Basel III. Nevertheless, this finding opens new horizons of understanding and practically offers further investigations for the whole banking sector in Malaysia. Thus, policy makers, regulators, and industry players should utilize a unique framework for Islamic banks when strategizing liquidity risk management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,420
Score d'incertitude au seuil0,282

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,202
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetBanking stability, regulation, efficiencyTravaux en français237 207