Measuring the Effect of Covid-19 on Bank Lending: Empirical Evidence from Albania
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aims to empirically contribute to the identification and evaluation of microeconomic and macroeconomic indicators at the level of lending in Albania. It identifies a number of important factors, such as the level of gross domestic product, return on assets, unemployment rate, inflation rate, non-performing loans rate, capital adequacy, liabilities and regulatory capital to assets risk weighted. Quantitative analysis and econometric models will study the quantitative impact of each of these factors on both the level of net credit stock and the level of new credit. The creation of these 2 econometric models will serve us to measure and evaluate the changes encountered in the dependent variable over a given period of time, as a result of shocks from other variables. Also, a current and important contribution to this thesis relates to the impact assessment of COVID-19. In order to maintain the simplicity and usefulness of the model, some realistic features of the current economy have been left out, such as the level of loan repayment etc. The study period is from the first quarter of 2009 to the fourth quarter of 2020. The data used were obtained from the Bank of Albania and the Albanian Association of Banks, which were presented in the form of a time series. Despite the limited number of data considered regarding the impact of COVID-19 as well as their temporal distribution, this study with the work it performs, serves as a good starting point for further studies in this field.
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.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découle