Determinants of bank lending rates: Empirical evidence from conventional retail banks in Bahrain
Notice bibliographique
Résumé
The study attempts to identify the determinants of lending rates in the Kingdom of Bahrain. It examines the impact of certain macroeconomic and banks’ aggregate data variables on the level of interest rates on loans charged by Bahraini conventional retail banks using quarterly data for the period from the 4th quarter of 2012 to the 4th quarter of 2021. The study tests the impact of a consumer price index (CPI), GDP growth rates, loan-to-total assets (loan ratio), liquid assets as a proportion of total assets (liquidity position), personal lending rate, loan-to-deposit ratio, money supply (M2) growth, non-performing loans (NPL) ratio, and return on assets (ROA) on banks’ lending rates. The study is mainly based on data retrieved from the publications of the Central Bank of Bahrain and the CEIC Data Global Database. The study uses EViews 12 The results reveal that CPI, liquidity position, the lending rate for personal loans, deposit ratio, and return on assets are the major determinants of bank lending rates to businesses. The study found that GDP growth, money supply growth, and non-performing loans ratio are insignificant in determining the lending rate to businesses in Bahrain. In addition to yielding insights to the respective authorities, this study also helps creditors, investors, and borrowers predict interest rates and thus manage their assets and liabilities more efficiently.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».