Loan loss provisions and income smoothing in banks: the role of trade openness and IFRS in BRICS
Notice bibliographique
Résumé
Purpose This paper empirically investigates whether trade openness (TO) in Brazil, Russia, India, China and South Africa (BRICS) countries affects how banks might employ loan loss provisions (LLPs) to smooth out their earnings and how adopting the International Financial Reporting Standards (IFRS) can mitigate it. Design/methodology/approach The analysis includes 78 commercial banks from five BRICS nations and spans 2014 through 2020. To test these hypotheses, the authors utilized a fixed-effect and two-step system panel generalized methods of moments (GMM) estimator. Findings TO positively affects income smoothing (earnings management) across BRICS commercial banks. The effect is clearer in banks that make financial reports under the IFRS. Path analysis reveals that the effect of TO is driven by nonperforming loans (NPLs). Additionally, the IFRS restricts earnings management in the BRICS banking sector when a better institutional environment is present. The authors found that accounting rules (IFRS) and enforcement (better institutional settings) interact to enhance earnings’ quality. Practical implications The relationship between TO and bank earnings management practices is important for understanding the complex interplay between trade and finance and ensuring financial stability, investor confidence and regulatory compliance. This study recommends better regulations and governance mechanisms for financial reports in emerging nations like BRICS. Additionally, macro-prudential regulators and banking supervisors should work closely to ensure transparent TO decisions with improved discipline, institutional quality and regulatory support to enhance bank stability. Originality/value The study finds evidence of bank income smoothing in the BRICS and introduces TO as a determinant. It also identifies the evolving role of IFRS in the presence of higher institutional quality and TO, thereby expanding the financial reporting literature.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».