An Analysis of the Performance of the Canadian Banks during the Global Financial Crisis
Notice bibliographique
Résumé
Several studies have evaluated the effect of the credit crunch on banks’ performance in different countries. In this study we intend to find its impact on Canadian banking system. We aim to analyze the Canadian banks’ performance from year 2006 till 2013 to find weather they remained profitable during years 2008 and 2009 or not, as well as find their strengths and weakness points of banking system. For this reason we have chosen 8 big banks of Canada. ROA and ROE have considered as profitability measure’s factors. The CAMEL model has identified as powerful and reliable to evaluate the efficiency of banks operation and its parameters correlation with profitability variables. We have two dummy variables to assess the banks’ performance during years 2008 and 2009 separately. All the collected data were displayed by the Panel Data and analyzed through Regression model. The empirical analysis provides us an effective inside regarding bank performance and the impact of the financial credit crisis on the Canadian banking system. ÖZ: Çeşitli çalışmalarda farklı ülkelerdeki kredi krizinin bankaların performansına etkilerini değerlendirilmiştir. Bu çalışmada da amaç Kanada bankacılık sistemi üzerindeki etkisini incelemektir. Kanada bankalarının 2006 ile 2013 yılları arasındaki performanslarını analiz etmeyi, 2008 ve 2009 yıllarında karlı kalıp kalamadıklarını, bankacılık sisteminin güçlü ve ve zayıf yönlerine de işaret ederek bulmayı, hedefliyoruz. Çalışmada Kanada’nın 8 büyük bankası ele alınmıştır. Karlılığı ölçmede ROA ve ROE faktörleri kullanılmıştır. CAMELS modeli, bankaları operasyonun etkilediğini ve karlılık değişkenleri ile parametrelerinde korelasyon değerlendirmek için güçlü ve güvenilir olarak belirlenmiştir.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».