ЭКОНОМИЧЕСКИЕ И ФИНАНСОВЫЕ ПОКАЗАТЕЛИ БАНКОВСКОГО СЕКТОРА АРМЕНИИ ПОСЛЕ COVID-19 И ТРЕТЬЕЙ КАРАБАХСКОЙ ВОЙНЫ
Notice bibliographique
Résumé
The purpose of the article is to put forward and justify that the pandemics of Covid-19 and the third Karabakh war influenced the economy of Armenia and especially the banking system. The article aims to go deeper into the analysis of the banking system with concentration on the main performance evaluation indicators. Our task is to reveal and express in monetary terms the influence of the war and the pandemics on the performance of banking system. In the course of study, scientific and (analysis, calculations) and parametric (VaR calculation parametric method) methods were used. Based on the study it should be concluded that, as a result of the war, the depreciation doubled, and in a quarterly breakdown, the total net profit of the banking sector for the 4th quarter decreased by 9 times compared to the 3rd quarter, while the return on equity fell from 7.9% to 0.8%. Accordingly, the exposure to market risk has also increased, which is reflected in the Value-at-Risk index of the General Market Index. After the war, the 1% VaR GMI increased by 0.5 percentage points, and the 5% VaR increased by 0.6 percentage points.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,009 | 0,011 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».