Bank systemic risk and the business cycle: An empirical investigation using Canadian data
Notice bibliographique
Résumé
Since financial institutions are subjected to increasingly tighter requirements regarding the way they conduct their loan business, we could assume that built-in regulatory pressures induce them to adopt collective business strategies, with the unintended consequence of persistently weakening the banking system ability to cope with external shocks. Surprisingly, we find rather the opposite. This paper documents how banks, as a group, react to macroeconomic risk and uncertainty, and more specifically the way banks systemic behaviour evolves over the business cycle. Adopting the methodology of Beaudry et al. (2001), our results clearly indicate that the dispersion across banks traditional portfolios has actually increased through time. We introduce an estimation procedure based on EGARCH and re-fine Baum et al. (2002, 2004, 2009) and Quagliariello (2007, 2009) framework to analyze the question in the new industry context, i.e. shadow banking. Consistent with finance theory, we first confirm that banks tend to behave homogeneously vis-à-vis macroeconomic uncertainty. Additionally, we find that the cross-sectional dispersions of loans to assets and non-traditional activities shrink essentially during downturns, when the resilience of the banking system is at its lowest. Our results also indicate that banks herd-like behaviour remains predominantly a cyclical phenomenon, almost unaffected by the new banking environment. Most importantly however, the cross-sectional dispersion of market-oriented ac-tivities appears to be both more volatile and sensitive to the business cycle than the dispersion of the traditional banking business lines.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».