Financial Risk Tolerance During Post-Pandemic: A Case Study Among Urban Older Malaysians
Notice bibliographique
Résumé
The COVID-19 pandemic has negatively impacted the older population's financial satisfaction and well-being as health-related expenses deplete their retirement funds and family members lose their jobs or receive pay cuts.Older peoples may invest in riskier financial products or businesses to compensate for the loss of savings and financial aid.Hence, this paper intends to investigate the direct and indirect effects between financial satisfaction and financial risk tolerance among the Malaysian older population aged 60 and above.This primary data was collected in the third quarter of 2021 and employed purposive sampling through face-to-face interviews with a structured questionnaire.The results from Process Macro for SPSS and Model 4 (mediation analysis) show that older Malaysians' financial risk tolerance is not directly influenced by their financial satisfaction, which indicates that older populations share similar risk tolerance during the pandemic regardless of their financial satisfaction.However, financial satisfaction indirectly affects financial risk tolerance, mediated by attitude and subjective norms.These results indicate that the older population, who are more family-orientated and have better financial situations, are more likely to take the lesser risk.In contrast, those with sound financial knowledge and skills, able to identify and invest in profitable financial products, and strongly influenced by their friends are more likely to take higher risks.This study is essential for financial institutions in developing investment products targeting the older population and for the financial planner to educate the elderly to take a reasonable level of financial risk to preserve and accumulate retirement funds.
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 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 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 ».