The Effect of Macroeconomic Variables on Macroprudential Indicators in Indonesia from the First Quarter of 2003 to the Fourth Quarter of 2013
Notice bibliographique
Résumé
The macroprudential policy aims to mitigate the risk of financial systems to reduce the spread of negative impacts on macroeconomics. The macroprudential policy can be measured by using Financial Soundness Indicators (FSIs), including the Vector Error Correction Model (VECM) approach to analyse the influence and impact of a policy in the model. The variables in this study were modified into seven endogenous variables consisting of macroeconomic variables such as Consumer Price Index (CPI), Gross Domestic Product (GDP) growth, interest rate spread (IRS), lending interest rate (LIR) and foreign exchange reserves (DEV). Also, there were two macroprudential indicators, namely the ratio of Non-Performing Loans (NPL) and Capital Adequacy Ratio (CAR), which were divided into two models. This study aims to determine the significance and the effect of macroeconomic variables on macroprudential indicators in Indonesia during the first quarter of 2003 to the fourth quarter of 2013. Macroeconomic variables used include consumer price indices, GDP growth rate, interest rate spread, lending interest rate, and foreign exchange reserves. The result of this study indicates that the resilience of the financial system in Indonesia is maintained amid the economic slowdown/downturn. Therefore, it does not cause any systemic effect that disrupts the financial system stability.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».