Navigating Risks: How External Environments Shape Non-Performing Loans in Vietnam's Commercial Banks
Notice bibliographique
Résumé
Objectives: The primary objective of this study is to analyze the factors influencing Non-Performing Loans (NPLs) in Vietnam's banking sector. It aims to shift the focus from traditional perspectives centered on macroeconomic indicators towards considering external environmental factors, such as global economic shifts, digital transformation, and industry-specific changes. Moreover, it seeks to examine the impact of the COVID-19 pandemic on NPL dynamics in Vietnamese commercial banks. Methods: The study employs empirical data collected from various Vietnamese commercial banks. Robust statistical methods are applied to analyze the data and explore the relationships between external environmental factors and NPLs. The research challenges conventional risk assessment models by advocating for a more comprehensive approach that integrates a broader spectrum of external influences beyond internal and macroeconomic variables. Results: The findings of the study suggest that external environmental factors, including global economic shifts, digital transformation, and industry-specific changes, significantly affect NPLs in Vietnam's banking sector. The analysis reveals the intricate dynamics of NPLs, especially under the influence of the COVID-19 pandemic. Contrary to traditional perspectives, the research underscores the importance of considering a wider range of factors in assessing and managing NPL risk. Conclusion: In conclusion, this study contributes significantly to the understanding of NPL dynamics in Vietnam's banking sector. The research highlights the need for banking executives and policymakers to adopt dynamic risk management strategies that account for external environmental factors. By recognizing the influence of global economic shifts, digital transformation, and industry-specific changes, stakeholders can enhance banking resilience and stability in emerging markets like Vietnam. The study underscores the importance of embracing a holistic approach to risk management in an era characterized by rapid global changes and uncertainties.
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 | 0,001 | 0,004 |
| 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 | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».