applied a dynamic panel data approach to examine the determinants of n translation - applied a dynamic panel data approach to examine the determinants of n Vietnamese how to say

applied a dynamic panel data approa

applied a dynamic panel data approach to examine the determinants of non-performing loans (NPLs) of commercial banks in a market-based economy, represented by France, compared to a bank-based economy, represented by Germany, during 2005–2011. The main question asked in the paper is which credit risk determinants are important for both countries. The results indicate all macroeconomic variables used in the paper influence the NPL level in both countries expect for inflation rate. In addition to that, the study also discovered that compared to Germany, the French economy is more vulnerable to bank-specific determinants.
[13] in their study tried to identify the factors affecting the non-performing loans rate (NPL) of Eurozone’s banking systems for the period 2000-2008 (before the recession period). In the paper, they look at macroeconomic variables as well as microeconomic variables (bank-specific variables) and investigate which variables determine the level of NPL. Macroeconomic variables analyzed in this research are annual percentage growth rate of gross domestic product, government budget deficit or surplus as % of GDP, public debt as % of gross domestic product, inflation rate, and unemployment. As for the microeconomic variables, they examined bank capital and reserves to total asset, loans to deposits ratio, return on assets, and return on equity. The result showed that there is strong correlations between NPL and macroeconomic factors which are public debt, unemployment, annual percentage growth rate of gross domestic product. Aside from macroeconomic factor, they also find correlation between NPL and bank-specific factors such as capital adequacy ratio, rate of nonperforming loans of the previous year and return on equity.
0/5000
From: -
To: -
Results (Vietnamese) 1: [Copy]
Copied!
áp dụng một cách tiếp cận dữ liệu bảng năng động để xem xét các yếu tố quyết định không thực hiện các khoản cho vay (NPLs) của ngân hàng thương mại trong một thị trường dựa trên nền kinh tế, đại diện của nước Pháp, so với một ngân hàng dựa trên nền kinh tế, đại diện của Đức, trong 2005-2011. Hỏi chính trong giấy là những yếu tố quyết định rủi ro tín dụng là quan trọng đối với cả hai nước. Các kết quả cho thấy tất cả các biến kinh tế vĩ mô được sử dụng trong giấy ảnh hưởng mức nợ xấu trong cả nước mong đợi cho tỷ lệ lạm phát. Thêm vào đó, nghiên cứu cũng phát hiện ra rằng so với Đức, nền kinh tế Pháp là dễ bị tổn thương đến yếu tố quyết định dành riêng cho ngân hàng.[13] trong nghiên cứu của họ đã cố gắng để xác định các yếu tố ảnh hưởng đến không thực hiện khoản vay tỷ lệ (nợ xấu) của hệ thống ngân hàng của châu Âu trong giai đoạn 2000-2008 (trước khi thời kỳ suy thoái kinh tế). Trong bài báo, họ nhìn vào kinh tế vĩ mô biến cũng như microeconomic biến (dành riêng cho ngân hàng biến) và điều tra biến mà xác định mức độ nợ xấu. Kinh tế vĩ mô biến phân tích trong nghiên cứu này là tỷ lệ tăng trưởng hàng năm tỷ lệ phần trăm của tổng sản phẩm quốc nội, thâm hụt ngân sách chính phủ hoặc thặng dư như % GDP, nợ công như % Tổng sản phẩm quốc nội, tỷ lệ lạm phát và thất nghiệp. Đối với các biến microeconomic, họ kiểm tra ngân hàng vốn và dự trữ để tất cả tài sản, tỷ lệ tiền gửi, các khoản vay trở lại trên tài sản, và trở lại trên vốn chủ sở hữu. Kết quả cho thấy là mối tương quan mạnh mẽ giữa nợ xấu và các yếu tố kinh tế vĩ mô có nợ công, thất nghiệp, tỷ lệ tăng trưởng hàng năm tỷ lệ phần trăm tổng sản phẩm quốc nội. Ngoài yếu tố kinh tế vĩ mô, họ cũng tìm thấy sự tương quan giữa nợ xấu và các yếu tố ngân hàng cụ thể như tỷ lệ vốn đầy đủ, các tỷ lệ của các khoản vay nonperforming năm trước và trở lại trên vốn chủ sở hữu.
Being translated, please wait..
Results (Vietnamese) 2:[Copy]
Copied!
áp dụng một cách tiếp cận dữ liệu bảng năng động để kiểm tra các yếu tố quyết định của các khoản vay không hiệu quả (nợ xấu) của các ngân hàng thương mại trong nền kinh tế dựa trên thị trường, đại diện của Pháp, so với một nền kinh tế dựa trên ngân hàng, đại diện của Đức, trong thời gian 2005-2011. Câu hỏi chính được hỏi trong bài báo là yếu tố quyết định mà rủi ro tín dụng là quan trọng đối với cả hai nước. Kết quả cho thấy tất cả các biến kinh tế vĩ mô được sử dụng trong các ảnh hưởng giấy mức NPL trong cả nước mong đợi cho tỷ lệ lạm phát. Bên cạnh đó, nghiên cứu cũng phát hiện ra rằng so với Đức, nền kinh tế Pháp là dễ bị tổn thương nhiều hơn yếu tố quyết định của ngân hàng cụ thể.
[13] trong nghiên cứu của họ đã cố gắng để xác định các yếu tố ảnh hưởng đến hiệu suất phi lãi vay (NPL) của ngân hàng Eurozone của hệ thống cho giai đoạn 2000-2008 (trước khi giai đoạn suy thoái). Trong bài báo, họ nhìn vào các biến kinh tế vĩ mô cũng như các biến kinh tế vi mô (biến ngân hàng cụ thể) và điều tra các biến xác định mức độ nợ xấu. Biến kinh tế vĩ mô phân tích trong nghiên cứu này là tốc độ tăng trưởng hàng năm tỷ lệ phần trăm của tổng sản phẩm trong nước, thâm hụt ngân sách của chính phủ hoặc thặng dư tính theo% của GDP, nợ công tính theo% của tổng sản phẩm trong nước, tỷ lệ lạm phát và thất nghiệp. Đối với các biến số kinh tế vi mô, họ khảo sát vốn ngân hàng và dự trữ để tổng tài sản, cho vay với tỷ lệ tiền gửi, lợi nhuận trên tổng tài sản và vốn chủ sở hữu trên. Kết quả cho thấy có mối tương quan chặt chẽ giữa các yếu tố kinh tế vĩ mô và tỷ lệ nợ xấu là nợ công, thất nghiệp, tỷ lệ tăng trưởng hàng năm tỷ lệ phần trăm của tổng sản phẩm trong nước. Bên cạnh yếu tố kinh tế vĩ mô, họ cũng tìm thấy mối tương quan giữa tỷ lệ nợ xấu ngân hàng và các yếu tố cụ thể như tỷ lệ an toàn vốn, tỷ lệ nợ xấu của các năm trước và lợi nhuận trên vốn chủ sở hữu.
Being translated, please wait..
 
Other languages
The translation tool support: Afrikaans, Albanian, Amharic, Arabic, Armenian, Azerbaijani, Basque, Belarusian, Bengali, Bosnian, Bulgarian, Catalan, Cebuano, Chichewa, Chinese, Chinese Traditional, Corsican, Croatian, Czech, Danish, Detect language, Dutch, English, Esperanto, Estonian, Filipino, Finnish, French, Frisian, Galician, Georgian, German, Greek, Gujarati, Haitian Creole, Hausa, Hawaiian, Hebrew, Hindi, Hmong, Hungarian, Icelandic, Igbo, Indonesian, Irish, Italian, Japanese, Javanese, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Korean, Kurdish (Kurmanji), Kyrgyz, Lao, Latin, Latvian, Lithuanian, Luxembourgish, Macedonian, Malagasy, Malay, Malayalam, Maltese, Maori, Marathi, Mongolian, Myanmar (Burmese), Nepali, Norwegian, Odia (Oriya), Pashto, Persian, Polish, Portuguese, Punjabi, Romanian, Russian, Samoan, Scots Gaelic, Serbian, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenian, Somali, Spanish, Sundanese, Swahili, Swedish, Tajik, Tamil, Tatar, Telugu, Thai, Turkish, Turkmen, Ukrainian, Urdu, Uyghur, Uzbek, Vietnamese, Welsh, Xhosa, Yiddish, Yoruba, Zulu, Language translation.

Copyright ©2024 I Love Translation. All reserved.

E-mail: