We report our examination of the pr

We report our examination of the properties of our three measures of delay in expected loss recognition in Table 4. In Panel A we show that the change in nonperforming loans reflects lagged and concurrent macro-economic conditions. Specifically, both the current and next period’s changes in nonperforming loans are positively correlated with current and lagged unemployment and negatively correlated with current and lagged industrial production. These correlations indicate that current economic conditions can be used to predict future and concurrent nonperforming loans. This supports the arguments made by Gambera (2000) that expected future nonperforming loans can be predicted using current macro- economic data. In Panel B we examine the association between our stock and market measures of delay in expected loss recognition and future nonperforming loans. There is generally a positive association between our beginning-of-the-period measures of shorter delay in loss recognition and the current and one period ahead change in nonperforming loans, suggesting that shorter delay banks put more weights on concurrent and fu ture nonperforming loans in determining provisions. This is consistent with these measures differentiating between smaller versus greater delay in expected loss recognition. In Fig. 1, we display the trend in the median adjusted R2 for both less delay (Eq. (4)) and more delay (Eq. (3)) models and the difference between the two models for each quarter. We find that our models explain a reasonable portion of the variation in provisions. For instance, the median-of-the-quarter adjusted R2 for the less delay model ranges from 30% to 70% during the sample period.28 In addition, following this trend, we show the descriptive statistics of the adjusted R2 on the bank-quarter basis. We find that there exists significant variation in the explanatory power for each model and, more importantly, in the difference in their adjusted R2. This latter finding supports our premise that there is significant variation in the application of the incurred loss model

結果 (繁體中文) 1:

我們提出我們的我們在表4.在A組預計損失確認延遲的三項措施，我們表明，在不良貸款的變化反映滯後的性能和並發宏觀經濟條件的檢查。具體來說，當前和今後一個時期的不良貸款變化是正與當前和滯後的失業相關，與當前和滯後的工業生產呈負相關。這些相關性表明，目前的經濟狀況，可以用來預測未來，同時不良貸款。這支持岡博拉（2000）提出的論點，即預期未來不良貸款可以使用當前的宏觀經濟數據進行預測。在B組，我們檢查預計損失確認延遲我們的股票和市場的措施和今後的不良貸款之間的關聯。通常有較短的延遲我們開始的最期的措施之間的損失確認和不良貸款的電流和一個今後一段時期的變化呈正相關，這表明​​較短的延遲銀行將更多的權重上的並發和福自命不良貸款確定的規定。這與小之間的區別與預期損失確認更大的延遲，這些措施是一致的。在圖1中，我們顯示了中值調整R2為兩個更小的延遲（等式（4））的趨勢和更延遲（等式（3））的模型和每個季度的兩個模型之間的差異。我們發現，我們的模型解釋了規定的變化的合理部分。例如，中位數的的季度樣本period.28另外在調整R2為更少的延遲模型範圍為30％至70％，以下這一趨勢，我們展示了調整R2對銀行的描述性統計財季的基礎。我們發現，存在於每個模型，更重要的解釋力顯著的變化，在其調整後的R2的差異。後者的發現支持了我們的前提是，沒有在發生損失模型的應用顯著變化 更重要的是，在其調整後的R2的差異。後者的發現支持了我們的前提是，沒有在發生損失模型的應用顯著變化 更重要的是，在其調整後的R2的差異。後者的發現支持了我們的前提是，沒有在發生損失模型的應用顯著變化

結果 (繁體中文) 2:

我們報告我們檢查表4中預期損失確認延遲的三個指標的性質。在小組A中，我們表明不良貸款的變化反映了滯後和同時的宏觀經濟條件。具體來說，本期和下一期不良貸款的變化都與當前和滯後失業呈正相關，與當前和滯後工業生產呈負相關。這些相關性表明，目前的經濟狀況可以用來預測未來和同時發生的不良貸款。這支援了Gambera（2000年）的論點，即未來可以預見的不良貸款可以用當前的宏觀經濟資料來預測。在 B 小組中，我們研究了我們股票和股票市場在預期損失確認延遲指標和未來不良貸款方面的關聯。一般說來，我們損失確認延遲時間較短的期初措施與當前和提前一個期間的不良貸款變化之間存在正聯繫，這表明較短的延遲銀行對併發和在確定撥備中，有真正的不良貸款。這與這些措施一致，這些措施區分了預期損失確認中的較小延遲和更大延遲。在圖 1 中，我們顯示了中值調整 R2 中的趨勢，用於減少延遲 （Eq. （4）） 和更多延遲 （Eq. （3）） 模型以及每個季度兩個模型之間的差異。我們發現，我們的模型解釋了條款變化的合理部分。例如，在樣本期間，較低延遲模型的季度調整 R2 的中位數範圍為 30% 到 70%。我們發現，每種模型的解釋力存在顯著差異，更重要的是，其調整後的 R2 的差異。後一項發現支援了我們的前提，即在招致損失模型的應用上存在顯著差異。

結果 (繁體中文) 3:

我們在錶4中報告了我們對三種預期損失確認延遲措施的性質的檢查。在A組中，我們顯示不良貸款的變化反映了滯後和同時出現的總體經濟狀況。具體來說，本期和下一期不良貸款的變化與本期和滯後的失業率呈正相關，與本期和滯後的工業生產負相關。這些相關性表明，當前的經濟狀況可以用來預測未來和同時出現的不良貸款。這支持了Gambera（2000）的觀點，即預期的未來不良貸款可以使用當前的總體經濟數據進行預測。在B組中，我們研究了我們的股票和市場在預期損失確認延遲和未來不良貸款之間的聯系。一般來說，我們的損失確認延遲較短的期初名額與不良貸款的當前和一個期前變化之間存在正相關關係，這表明延遲較短的銀行在確定準備金時更重視同期和未來的不良貸款。這與這些區分預期損失確認中較小和較大延遲的措施是一致的。在圖1中，我們顯示了較少延遲（等式（4））和較多延遲（等式（3））模型的中值調整R2的趨勢以及每季度兩個模型之間的差异。我們發現，我們的模型解釋了準備金變動的合理部分。例如，在樣本期間，較少延遲模型的季度調整R2的中位數在30%到70%之間。28此外，根據這一趨勢，我們在銀行季度的基礎上顯示了調整R2的描述性統計。我們發現每個模型的解釋力存在顯著差异，更重要的是，它們的調整R2的差异。後一個發現支持了我們的假設，即發生損失模型的應用存在顯著的差异