MétaCan
Menu
Retour à la cohorte
Enregistrement W1504142687 · doi:10.4018/978-1-4666-2011-7.ch011

What Matters in Determining Capital Surcharge for Systemically Important Financial Institutions?

2012· book-chapter· en· W1504142687 sur OpenAlexaff
Céline Gauthier, Toni Gravelle, Xuezhi Liu, Moez Souissi

Notice bibliographique

RevueAdvances in finance, accounting, and economics book series · 2012
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésSystemic riskCentralityInterbank lending marketProxy (statistics)BusinessCapital (architecture)EconomicsExternalityFinancial networksNetwork effectMonetary economicsFinancial systemFinancial crisisMicroeconomicsMonetary policyComputer scienceMacroeconomicsGeography

Résumé

récupéré en direct d'OpenAlex

One way of internalising the externalities each individual bank imposes on the rest of the financial system is to impose capital surcharges (KS) on them in line with their systemic importance. Given the complexity of the financial system and the resulting difficulties in measuring systemic importance, it is sometimes argued to simply apply higher KS to larger banks, abstracting from other factors like interconnectedness. In this chapter, the authors consider different network structures of the banking system that are characterized by two different centrality measures. Their main finding is that size alone is not always a good proxy for systemic importance and must be supplemented with detailed information on interbank exposures. A relatively small bank playing an outsized role in the interbank market might be more systemic, and thus garner a higher capital surcharge, than a less connected bank of somewhat larger size. Alternatively, if the centrality of banks in an interbank network is positively correlated with their size, then proxies of a bank’s systemic importance largely based on size are sufficient indicators.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,806
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,007
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,220
Écart entre enseignants0,205 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

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

En bref

Citations11
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in finance, accounting, and economics book seriesMême sujetBanking stability, regulation, efficiencyTravaux en français237 207