MétaCan
Menu
Retour à la cohorte
Enregistrement W3131615205 · doi:10.5267/j.ac.2021.1.013

The effect of loan-loss provision, non-performing loans and third-party fund on capital adequacy ratio

2021· article· en· W3131615205 sur OpenAlexvenueno aff
Mulyanto Nugroho, Donny Arif, Abdul Halik

Notice bibliographique

RevueAccounting · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Analysis and Corporate Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNon-performing loanLoanBusinessFinanceCross-collateralizationNon-conforming loanCapital adequacy ratioFinancial systemAccountingTerm loanActuarial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

This research was conducted in connection with the effective enactment of International Financial Accounting Standard IFRS 2020 to improve the concept of hedging accounting as well as basic measurement and classification of financial instruments. IFRS carries the concept of Expected loss backup which begins to acknowledge losses if there is a potential failure to pay even though it has not really happened, allowing the bank to form a larger loan-loss provision. The loan-loss provision is formed based on the number of failed pays in credits indicated by the ratio of Non-Performing Loans (NPLs). Fund distribution can be regulated by the Third-party Fund (TPF). The increasing number of loan-loss provisions and NPLs are feared to affect capital conditions for the bank. Therefore, the study aims to determine the partial and simultaneous influence of the loan-loss provision, Non-Performing Loans (NPLs), and third-party Fund (TPF) against the bank's capital adequacy ratio (CAR). The samples in this study are central government-owned banks, namely Bank Mandiri, Bank Negara Indonesia, Bank Rakyat Indonesia, and Bank Tabungan Negara period from 2011 to 2018. Data taken is a data time series of the quarterly financial statements published by the respective online website of the bank. The analysis used is a multiple linear regression analysis using SPSS Tools version 21 and Microsoft Excel. The results showed that a partial loan-loss provision had no significant effect on the bank's capital adequacy ratio, while the Non-Performing Loans (NPLs) and the Third-party Fund (TPF) were partially influential of the bank's capital adequacy ratio. Simultaneously the three independent variables have a significant effect on the dependent variable capital adequacy ratio (CAR).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,007
Tête enseignante GPT0,205
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), 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

Citations28
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccountingMême sujetFinancial Analysis and Corporate GovernanceTravaux en français237 207