MétaCan
Menu
Retour à la cohorte
Enregistrement W1482258875 · doi:10.34989/sdp-2009-12

Measures of Aggregate Credit Conditions and Their Potential Use by Central Banks

2021· preprint· en· W1482258875 sur OpenAlexaff
Alejandro García, Andrei Prokopiw

Notice bibliographique

RevueEconstor (Econstor) · 2021
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésSystemic riskFinancial stabilityCredit riskBusinessFinancial systemMeasure (data warehouse)Central bankFocus (optics)EconomicsActuarial scienceFinancial crisisMonetary economicsMonetary policyMacroeconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Understanding the nature of credit risk has important implications for financial stability. Since authorities – notably, central banks – focus on risks that have systemic implications, it is crucial to develop ways to measure these risks. The difficulty lies in finding reliable measures of aggregate credit risk in the economy, as opposed to firmlevel credit risk. In this paper, the authors examine two models recently developed for this purpose: a reduced-form model applied to credit default swap index tranches, and a structural model applied to the spread on U.S. corporate bond indexes. The authors find that these models provide information on the nature of credit events – that is, whether the event is systemic or not – and on the type of risk priced in corporate bonds (i.e., credit or liquidity risk). However, although the two models provide potentially useful information for policy-makers, at this stage it is difficult to corroborate the accuracy of the information obtained from them. Further work is needed before authorities can include conclusions drawn from the two models into their policy decisions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,213
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetCredit Risk and Financial RegulationsTravaux en français237 207