Impacts of the Expected Credit Loss Model on Pro-Cyclicality, Earnings Management, and Equity Management in the Portuguese Banking Sector
Notice bibliographique
Résumé
This article delves into the pro-cyclicality of loan loss provisions (LLPs) and earnings management, along with equity management, in Portuguese banks against the backdrop of implementing the IFRS 9’s expected credit loss (ECL) model. It concentrates on how LLPs mirror economic cycles and financial management practices, providing valuable insights into the operational dynamics of the Portuguese banking sector, marked by distinct economic and regulatory challenges. The research examined a sample of five Portuguese commercial banks, chosen from a group of seventeen in the Portuguese Banking Association. Data spanning from 2013 to 2022 were manually gathered. A multiple linear regression model was employed to scrutinize the relationship between LLPs and variables indicative of economic cycles and the earnings and equity management. The methodology use was a multiple linear regression model. The analysis indicates a pro-cyclicality in LLPs within the Portuguese context, with a positive response of LLPs to economic indicators like unemployment. Contrarily, the extent of earnings and equity management under the ECL model was less marked compared to the incurred credit loss (ICL) model, suggesting the impact of more stringent regulatory measures. The research corroborates the pro-cyclicality of LLPs in Portuguese banks under the ECL framework, underscoring the necessity for ongoing monitoring and refinement of models for forecasting and recognizing credit losses. The findings point to an area for improvement in financial management practices, despite regulatory enhancements, to promote transparency and ensure financial stability.
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 | 0,008 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».