Sources Allocation on Risk Performance of Egyptian Insurance Companies
Notice bibliographique
Résumé
The main objective of current paper was to investigate the relationship between sources allocations measured by (external sources to total assets- free investment and allocated investment to total assets) on risk performance measured by financial risk (standard deviation of return on equity) business risk (standard deviation of return on assets) using ARDL and GARCH model, using a sample of 19 Egyptian insurance companies over a 21 year period form 1999 – 2019, the findings indicate that There is a significant negative linear relationships between the independent variable in terms of capital structure and assets structure on dependent variable standard deviation of return on equity (Y1) at a Significant level less than (0.05). Also there is a significant positive linear relationship between the independent variable in terms of assets structure and dependent variable standard deviation of return on assets (Y2) at a significant level less than (0.001). with regard to ARCH and GARCH result shows the There is a significant positive effect of the ARCH term, measured as the lag of the squared residual from the mean equation, and the GARCH term, Last period’s forecast variance, at a significant level less than (0.05). It means that the high volatility in the conditional variance of standard deviation of return on assets y2. also The sum of the two parameters of: (α+β) in the GARCH model (1, 1) whether the random error are distributed according to normal distribution approaches the positive one, which indicates that the two conditions of non-negative variance, and the variance is not inflated are satisfied, and that Indication of the continuity of volatility shocks in the standard deviation of return on assets (Y2).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».