Why do Islamic Banks Concentrating Finance in Murabaha Mode? Performance and Risk Analysis (Sudan: 1997-2018)
Notice bibliographique
Résumé
During 1997-2018, Islamic Banks (IBs) in Sudan provided finance by Murabaha mode to their clients with more than 45% on average. This position raises questions of why do IBs concentrating finance in Murabaha Mode rather than other modes? is this concentration implying risk and does it have influence on the financial performance of IBs? This study aimed to discusses the reasons and answer these questions. Nonperforming loan(NPL), Murabaha to gross finance, Musharaka to gross finance, Mudabaha to gross finance and Salam to gross finance were used to indicate the credit risk. Return on Equity (ROE) was used to indicate the financial performance of IBs. Ordinary least squares technique was employed to determine the trend of relations between the variables. The main results of the study show that there is an important positive relationship between the NPL and provision finance by both Murabaha and Mudaraba modes. Whereas were a negative with both Musharaka and Salam. Moreover, it’s found that there is strong negative relationship between NPL and ROE. The main reason for the expansion granting finance by Murabaha mode is that IBs are heavy rely on collaterals and in case of clients’ failure to pay, they sell collaterals to keep their financial performance safety. The study strongly recommends IBs importance of diversify the granting finance among Islamic modes of finance to avoiding the risk of concentration the finance by Murabaha mode. Furthermore, monetary authority in Sudan need to keep IBs aware with the risk associated with Islamic modes, especially Murabaha.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».