Macroprudential Policy, Monetary Policy and Banking Sector Performance in Nigeria
Notice bibliographique
Résumé
This study examined the impact of macroprudential policy, monetary policy and banking sector performance in Nigeria. This study used ex post facto research design and secondary data from Quarter 1 2007 to Quarter 4 2022. Data were sourced from the International Monetary Fund, Central Bank of Nigeria, and World Bank Database. The study utilized ARDL-bound testing and ARDL-ECM to estimate the data. It was found that in the long run macro-prudential policy Capital Adequacy and Liquidity (Liquid Assets to Short-term Liabilities) have a positive relationship with banking sector performance in Nigeria. More so, Liquidity (Liquid Assets to Total Assets) and Asset Quality have a negative and significant relationship with banking sector performance in Nigeria. In addition, in the short-run, monetary policy tools were more effective and it was found that Exchange Rate and Monetary Policy Rates have a negative and significant relationship with banking sector performance in Nigeria, while Money Supply has a positive relationship with banking sector performance in Nigeria. It was concluded that macroprudential policy tends to be more effective on banking sector performance in Nigeria in the long run, while monetary policy tends to be effective in the short run. Hence, both policies complement each other rather than substitute in mitigating risks Inherent in banking sectors.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».