Factores que condicionan el Spread de empresas supervisados por la SBS, Región San Martín surante el periodo 2008-2012
Notice bibliographique
Résumé
El Objetivo General de este estudio es Determinar los factores condicionantes de los spreads bancarios en la región San Martín durante el periodo 2008-2012. La hipótesis general es que los principales factores condicionantes del spread del sistema bancario supervisados por la Superintendencia de Banca y Seguros para la región San Martín son los costos administrativos y la pesadez de cartera.El método utilizado fue el descriptivo, las técnicas fueron el análisis documental y entrevistas realizadas a los Gerentes de cada Institución financiero supervisadas por la SBS de la Región San Martín. Los resultados más importantes son: El 26.7% de los gerentes entrevistados indicaron que los gastos administrativos era el primer factor condicionante en fijar el spread y el 23.3 % de los entrevistados indicaron que el segundo factor era la cartera pesada. Los spreads promedio en la región San Martín es 20% y comparándolo con otros países en Latinoamérica es realmente elevado. Aunque son condiciones que en cierta medida contribuyen a la rentabilidad a las instituciones financieras, pero que encarecen el dinero que dinamiza la economía del país. Por tanto es necesario brindar condiciones para aumentar el grado de competencia y competitividad entre ellas, así como mayor transparencia y facilidad en la comunicación al público, desarrollar el tamaño, la productividad y sofisticación de los sistemas financieros en nuestro país, sin dejar de preocuparnos por su estabilidad política y macroeconómica.Los niveles de rentabilidad bancada son altos en el Perú, la primera entidad financiera más rentable es el Banco Continental con un promedio de 34%.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».