The Role of Foreign Investors in Commercial Bank Stock Prices: Macroeconomic Factors & Internal Factors of the Company Moderated Net Foreign Investor Funds
Notice bibliographique
Résumé
This study aims to analyze the influence of macroeconomic factors and internal factors of the company on the share price of commercial banks in Indonesia, with the role of net foreign investor funds as a moderation variable. The macroeconomic variables studied include economic growth (G), inflation (INF), and exchange rate (Exchange Rate), while the company's internal variables include net interest margin (NIM), debt to equity ratio (DER), and loan to deposit ratio (LDR). This study uses quarterly time series data from 2018 quarter I to 2024 quarter IV with a research sample of 14 commercial banks consisting of 4 banks in the KBMI category 4 and 10 banks in the KBMI category 3 and uses panel data regression analysis with an interaction approach to test the effect of moderation of net foreign investor funds on the relationship between independent variables and stock prices. The findings of the study show that macroeconomic factors such as economic growth (G), inflation (INF), and the Rupiah exchange rate (KURS) as well as internal factors such as net interest margin (NIM) have a significant effect on the share price of commercial banks. Meanwhile, net foreign investor funds (NF) were proven not to moderate the relationship between macroeconomic factors and internal company factors to bank share prices. These findings suggest that the direct influence of foreign investors on the dynamics of bank stock prices may not be as strong as the independent variables of macroeconomic factors and internal factors of the company, so the direction of stock movements is more influenced by fundamental and macroeconomic conditions than net foreign investment 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».