MétaCan
Menu
Retour à la cohorte
Enregistrement W1496186576

How bank regulation, supervision, and lender identity impact loan pricing: a cross-country comparison - summary

2007· preprint· en· W1496186576 sur OpenAlexaff
Hao Li, Debarshi K. Nandy, Gordon S. Roberts

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésLoanBusinessEconomic rentFinancial systemNon-conforming loanAgency (philosophy)Non-performing loanAgency costMonetary economicsFinanceEconomicsMarket economy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper assesses the extent to which a country’ bank regulation and supervision practices impact the pricing of both domestic and foreign loans to borrowers in that country, after accounting for the effects of the countries’ legal and institutional characteristics. For the first time in the literature we show that banking-commerce integration and banking concentration are important determinants of loan pricing, through a cross-country study involving 49 countries. We find that lender identity also plays an important role in the setting of loan pricing. In countries with high degrees of integration of banking and commerce, domestic lenders charge lower rents due to stronger lender-borrower relationships and reduced agency costs while foreign lenders exercise greater monitoring and extract higher loan rents as a way of compensating their greater risk exposure. However, the benefit of lower loan costs received from domestic lenders (due to banking-commerce integration) vanishes in countries with high banking concentration. Additionally, in countries with higher banking concentration, foreign lenders provide favorable contract terms to attract borrowers. Our results suggest that failure to recognize the impact of a country’s bank regulation and supervision practices and the identity of the lender (whether domestic or foreign) in the examination of loan contract terms, may lead to incorrect conclusions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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 Opus0,047
Tête enseignante GPT0,342
Écart entre enseignants0,295 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations5
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetBanking stability, regulation, efficiencyTravaux en français237 207