1 Analysis of Non-Performing Assets of Tamil Nadu based
Notice bibliographique
Résumé
As far as the present scenario is concerned the banking industry in India is in a transition phase. The Public Sector Banks, which are the foundation of the Indian Banking system account for more than 78 per cent of total banking industry assets. Unfortunately, they are burdened with excessive Non-Performing assets (NPAs), massive manpower and lack of modern technology. During FY12, asset quality of banks was severely impaired, as revealed by the steep increase in non-performing assets of Scheduled Commercial Banks, particularly for public sector banks owing to their significant exposure to troubled sectors such as power, aviation, real estate and telecom. There was a significant increase noted in the NPA levels during FY12. Gross NPAs value recorded a y-o-y growth of 45.3 % and net NPAs registered a y-o-y growth of 55.6 % during FY12. As per RBI, this increase was due to inadequate credit appraisal process coupled with unfavorable economic situation in the domestic as well as foreign market. Private Sector Banks have maintained its asset quality. GNPA of Private Sector Banks marginally decreased by 1bps to 2.19 % or ~ INR21246 crores in quarter ended December 2012 as against 2.20 % or~INR20884 crores in the quarter ended September 2012. The PvtSCBs are classified as old (13) and new (07) private sector banks. Among the thirteen Old PvtSCBs in India, only four banks are having their registered office in
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,006 | 0,001 |
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 ».