Credit risk management: a survey of practices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Proposes to investigate the current practices of credit risk management by the largest US‐based financial institutions. Owing to the increasing variety in the types of counterparties and the ever‐expanding variety in the forms of obligations, credit risk management has jumped to the forefront of risk management activities carried out by firms in the financial services industry. This study is designed to shed light on the current practices of these firms. Design/methodology/approach A short questionnaire, containing seven questions, was mailed to each of the top 100 banking firms headquartered in the USA. Findings It was found that identifying counterparty default risk is the single most‐important purpose served by the credit risk models utilized. Close to half of the responding institutions utilize models that are also capable of dealing with counterparty migration risk. Surprisingly, only a minority of banks currently utilize either a proprietary or a vendor‐marketed model for the management of their credit risk. Interestingly, those that utilize their own in‐house model also utilize a vendor‐marketed model. Not surprisingly, such models are more widely used for the management of non‐traded credit loan portfolios than they are for the management of traded bonds. Originality/value The results help one to understand the current practices of these firms. As such, they enable us to make inferences about the perceived importance of the risks. The paper is of particular value to the treasurers intending to better understand the current trends in credit risk management, and to academics intending to carry out research in the field.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découle