MétaCan
Menu
Retour à la cohorte
Enregistrement W3212334481 · doi:10.5539/jmr.v13n6p38

Determinants of Capital Adequacy Ratio of Banks in Botswana

2021· article· en· W3212334481 sur OpenAlexvenueno aff
Hassan Kablay, Victor Gumbo

Notice bibliographique

RevueJournal of Mathematics Research · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCapital adequacy ratioFinancial ratioReturn on equityVariablesEconometricsMathematicsRegression analysisLinear regressionEquity ratioEquity (law)Equity capitalBusinessEconomicsStatisticsActuarial scienceMonetary economicsFinancial systemFinanceProfitability index

Résumé

récupéré en direct d'OpenAlex

Capital Adequacy Ratio (CAR) plays a very important role in the financial success of banks and acts as a buffer to prevent and absorb any unexpected losses. This study examines explanatory variables that influence CAR for nine banks in Botswana. Multiple linear regression was used for analysis, with CAR as the dependent variable and thirteen financial ratios as the independent variables. The study period is 2015-2019. Based on the data for this period, it was established that out of the thirteen financial ratios utilised, only four were found to have significant impact on the CAR of the nine banks under study, which are: Asset to Equity Ratio (A E), Return on Equity (ROE), Non-Performing Loans Ratio (NPL RATIO) and the Cost-to-Income Ratio (C I). The A E Ratio was found to be the most influential driver of the CAR and the NPL Ratio was found to be the least influential driver of the CAR for the banks under study.

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)0,008
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,156
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,173
Tête enseignante GPT0,428
Écart entre enseignants0,255 · 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.

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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mathematics ResearchMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207