Replication Data for: Macroprudential Intermediation Instruments Policy on Mitigating Risk Management Sharia Bank in Indonesia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sharia banks must face various operational risks, including shifting from macroeconomic, regulatory factors. The central bank has set minimum policies that must be met by sharia banking in managing risk management so that bank operations can run consistently and prudently under sharia principles. During the pandemic, the central bank has issued stimuli to maintain stability in the financial services sector through a financing restructuring policy for the increase in defaults in the economic recession in Indonesia. And also issued a policy to regulate the Macroprudential Intermediation Ratio to mitigate the impact of increasing risks on the domestic economy. Previous studies stated that macroprudential policies could reduce banks' risk level, but lack of research on Islamic banks. So this study aims to examine the Effectiveness Macroprudential Intermediation Instruments Policy on Mitigating Risk Management Sharia Bank. Using Vector Autoregression and Impulse Response to capture short and long-term impacts along with a causal relationship from 2015 to 2021. This study indicates that the Macroprudential Intermediation Policy effectiveness affects financing and liquidity risks. There's a causal relationship between the Macroprudential Intermediation Policy and financing risk and vice versa, but not in liquidity risk. The response due to shocks between the Macroprudential Intermediation Policy, financing risk, and liquidity risk are not convergent except in the short-term mismatch ratio. So, managing Effectiveness Macroprudential Intermediation Instruments Policy on Mitigating Risk Management Sharia Bank is vital for Islamic banking, because if a shock occurs in this process, the impact will occur in the long term and can lead to bankruptcy.
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.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle