MétaCan
Menu
Retour à la cohorte
Enregistrement W2180143153 · doi:10.19030/iber.v6i7.3380

The Informational Content Of The VaR Measures Associated With The Trading Activities Of Canadian Banks

2011· article· en· W2180143153 sur OpenAlexafffundabout
Dominique Houde, Jean Desrochers, Denis Martel, Jacques Préfontaine

Notice bibliographique

RevueInternational Business & Economics Research Journal (IBER) · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesUniversité de Sherbrooke
Mots-clésShareholderEquity (law)BusinessPosition (finance)Liberian dollarSample (material)Financial marketMarket riskEconomicsMonetary economicsFinanceAccountingFinancial system

Résumé

récupéré en direct d'OpenAlex

This paper examines the informational content and the usefulness of Canadian banks' market risk public disclosures. Risk managers use Value at Risk (VAR) as a measure of the dollar amount of a large potential loss to a bank's trading income and common shareholders' equity as a result of extreme and low-probability market price changes. Five different VAR metrics (high, low, range of estimates, average and end-of-period values) are now published and recognized benchmarks for measuring market risk exposure, and its potential impact on a bank's financial position. At the explicit request of regulators, financial analysts and competitive pressures, most large commercial banks in North America are now reporting the five forms of VAR numbers described above in their quarterly and annual financial reports. To examine preliminary evidence on the informational content of such public financial disclosures, we composed a sample of seven of Canada's largest commercial banks. In particular, we investigate if "ex ante" VAR numbers help financial analysts, investors, and regulators to explain the subsequent variability of commercial banks' trading income and of their ratio of market value to book value of common shareholders' equity over time.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,731
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
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 Opus0,135
Tête enseignante GPT0,253
Écart entre enseignants0,119 · 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.

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

Citations4
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Business & Economics Research Journal (IBER)Même sujetRisk Management in Financial FirmsTravaux en français237 207