عوامل تعیین کننده درآمد خالص بهره بانک های تجاری در اندونزی

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 14

تعداد کلمات : 5300

مجله : Accounting

انتشار : 2022

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
5 مارس 2022
دسته بندی
تعداد بازدیدها
1192 بازدید
30,000 تومان

عنوان فارسی مقاله:عوامل تعیین کننده درآمد خالص بهره بانک های تجاری در اندونزی

 چکیده

  هدف این مطالعه شناسایی عواملی است که به شکل‌گیری درآمد خالص بهره (NII) برای بانک‌های تجاری در اندونزی در کوتاه‌مدت و بلندمدت با استفاده از مدل تصحیح خطای برداری (VECM) کمک می‌کند. نتایج نشان داد که در کوتاه مدت تمامی متغیرها در هر دوره تمایل به تعدیل برای دستیابی به تعادل بلندمدت دارند. در کوتاه مدت، متغیرهایی که بر NII تأثیر می‌گذارند، اعتبار و NPL تجارت بزرگ و خرده‌فروشی، اعتبار ساخت‌وساز، اعتبار حمل‌ونقل و انبارداری NPL و ارتباطات و همچنین تسهیلات نرخ وام است. در حالی که در طول متغیر ارقامی که بر NII تأثیر می‌گذارند، متغیرهای اعتباری و تجارت بزرگ و خرده فروشی NPL، حمل‌ونقل اعتباری و NPL، انبارداری و ارتباطات، سایر اعتبارات و وجوه شخص ثالث (سپرده) جمع‌آوری شده است. تجزیه و تحلیل تابع پاسخ ضربه ای می تواند ثابت کند که NII در هنگام برخورد با شوک های تجارت بزرگ و خرده فروشی NPL به سرعت به ثبات می رسد. در همین حال، در تحلیل تجزیه واریانس پیش‌بینی می‌توان نتیجه گرفت که متغیری که بیشترین سهم را در NII دارد، میزان اعتبار ساخت است(بهره بانک های تجاری).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Determinant of net interest income of commercial banks in Indonesia

Abstract

 This study aims to identify the factors that contribute to the formation of Net interest income (NII) for commercial banks in Indonesia in the short and long-term using the Vector Error Correction Model (VECM). The results showed that in the short term all variables in each period tend to adjust to achieve long-term balance. In the short term, the variables that affect NII are credit and NPL of large and retail trade, construction credit, transportation credit and NPL warehousing and communication, as well as lending rate facility. While in the variable length figures that affect NII are credit variables and NPL large and retail trade, Credit and NPL Transportation, warehousing and communication, other credit and Third-Party Funds (Deposit) collected. The analysis of Impulse Response Function can be proven that NII most quickly achieves stability when dealing with the shocks of large trade and retail NPL. Meanwhile, in the Forecasting Variance Decomposition analysis, it can be concluded that the variable that gives the greatest contribution to NII is the amount of construction credit.