The impact of credit risk management on the financial performance of United Arab Emirates commercial banks
Notice bibliographique
Résumé
The main purpose of this study is to measure up to what extent the independent factors defined by capital adequacy ratio, non-performing loans ratio, cost-income ratio, liquidity ratio, and loans-to-deposits ratio impact the financial performance of sixteen commercial banks operating in the United Arab Emirates using panel data for the period of 2013-2019. The secondary data was collected from banks and examined by applying standard descriptive statistics and the random effect model for hypothesis testing. It is concluded from the regression outcomes that non-performing loans ratio and cost-income ratio have a significant negative impact on commercial banks profitability in the United Arab Emirates, while capital adequacy ratio, liquidity ratio, and loans -to-deposits ratio all have a very weak positive relationship on the return on assets but they are not determinants of bank’s profitability due to the insignificant statistical impact on it. It is therefore suggested that to enhance financial performance and minimize the risk of non-performing loans in the future, banks must watch very carefully the loans’ performance and analyze thoroughly the clients’ credit history and ability to pay back their debts prior to any approval of loan applications. Furthermore, banks should continuously improve their assets utilization, liquidity, and techniques of managing operating costs, improve the impact of capital adequacy, and the use of deposits for lending activities from a weak positive impact to a significant positive impact on their profitability. The researchers recommend that future studies on credit risk management influence on banks’ financial performance should consider more independent variables and longer periods of study such as twenty or thirty years to have more accuracy and generalized results.
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 | 0,007 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».