MétaCan
Menu
Retour à la cohorte
Enregistrement W2114747403 · doi:10.17016/feds.2012.59

Supervisor Ratings and the Contraction of Bank Lending to Small Businesses

2012· article· en· W2114747403 sur OpenAlexaff
Elizabeth K. Kiser, Robin A. Prager, Jason R. Scott

Notice bibliographique

RevueFinance and Economics Discussion Series · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésBalance sheetSmall businessBusinessPaceRecessionMonetary economicsFinancial systemFinancial crisisFinanceLimitingEconomics

Résumé

récupéré en direct d'OpenAlex

Bank lending to small firms in the U.S. fell substantially during the recent financial crisis and the ensuing recession. Because small firms account for a disproportionate share of new job creation, lending to these firms could have important implications for the pace of economic recovery. A number of factors may have contributed to the decline in small business lending over this period. This paper examines the extent to which changes in banks' supervisory ratings are associated with changes in the rate of growth of their lending to small businesses. Limiting our sample to small banks (those with total assets of $5 billion or less), we estimate the relationship between changes in supervisory CAMELS ratings and changes in small commercial and industrial (C&I) or small commercial real estate (CRE) loans to businesses, between 2007 and 2010. Controlling for other relevant factors, including several balance sheet measures of bank health, we find that small banks that experienced ratings downgrades during 2007-2010 exhibited significantly lower rates of growth in small C&I loans and small CRE loans outstanding compared with banks that maintained their ratings at healthy levels during the same period. We also find evidence suggesting that the slower growth in small business lending at downgraded banks is attributable primarily to aspects of the banks' financial health that were not fully reflected in balance sheet data, rather than to the ratings downgrades themselves or the supervisory process surrounding the downgrades.

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)0,001
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,029
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,212
Écart entre enseignants0,190 · 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

Citations12
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFinance and Economics Discussion SeriesMême sujetBanking stability, regulation, efficiencyTravaux en français237 207