Does Fiscal Consolidation Affect Non-Performing Loans? Global Evidence from Heavily Indebted Countries (HICs)
Notice bibliographique
Résumé
This study explores fiscal consolidations’ impact on non-performing loans (NPLs) in highly indebted countries (HICs) following the global financial crisis (GFC) and subsequent sovereign debt crisis. A dynamic panel data estimator was applied to obtain the unbiased estimator due to NPLs’ time persistence. The findings reveal that fiscal consolidation measures increase NPLs since they limit the household and business loan-serving capacity. Extended analysis categorises fiscal consolidation episodes into (1) the fiscal consolidation weak form (FCWE) and (2) the fiscal consolidation strong form (FCSE). The extended analysis results reveal that the FCWE and FCSE improve NPLs by 1.55% and 31.10%, respectively. The weak-to-strong form transition of the fiscal consolidation analysis resulted in improving NPLs by 28.55 percentage points. NPL definition challenges, the potential influence of loan restructuring and regulatory restrictions, and implications for policymakers and financial institutions in managing NPLs in highly indebted economies were explored. Investigating the potentially different effects of both forms of fiscal consolidation (FCWE and FCSE) on NPLs in countries with different definitions of NPLs, including a comparison study between different definitions, was identified as an implication for future research. Finally, future studies should examine how restrictions on IFRS 9 may affect the FCWE and NPL as well as FCSE and NPL associations.
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 | 0,002 | 0,006 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».