Product-mix and bank performance: new U.S. and Canadian evidence
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 – The purpose of this paper is to analyse the link between product-mix and bank performance with a comprehensive look at the contribution of each component of banking activities. Design/methodology/approach – The generalized method of moments estimation approach the authors apply to the US and Canadian large data sets deals with the endogeneity issues related to banks’ decision to diversify in fee-based activities, and the authors also control the non-linearities (asymmetries) in the innovation with a complementary EGARCH procedure. Findings – The results suggests that the increasing involvement of banks in fee generating activities has a greater positive impact on US bank performance. On the one hand, US banks are more involved in fees related to traditional lending activities and securitization, which contributes to their higher mean return. On the other hand, Canadian banks focus more on investment banking activities, which makes their financial results more procyclical and volatile. Greater profitability notwithstanding, the authors also found that US bank non-interest income activities incorporate more credit risk, a type of risk obviously less diversifiable when credit shocks occur. Originality/value – The approach shows that the endogeneity problems related to the banks’ decision to diversify in non-traditional activities may be important. The multivariate GARCH approach the authors introduced strongly suggests that diversification gains fluctuate over the business cycle, and that the decision to diversify must be understood in a dynamic setting rather than in a static one.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle