MétaCan
Menu
Retour à la cohorte
Enregistrement W2260539408 · doi:10.21314/jcr.2005.026

Practical and theoretical challenges in validating Basel parameters: key learnings from the experience of a Canadian bank

2005· article· en· W2260539408 sur OpenAlexaffabout
Peter Miu, Bogie Ozdemir

Notice bibliographique

RevueThe Journal of Credit Risk · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBasel IILoss given defaultProbability of defaultCapital requirementRating systemActuarial scienceBasel IIICapital adequacy ratioEconometricsCredit ratingTest (biology)Key (lock)Point (geometry)EconomicsRisk-adjusted return on capitalCalibrationOperational riskCredit riskComputer scienceRisk managementStatisticsFinanceMathematicsHuman capitalFinancial capitalMicroeconomicsEnvironmental economics

Résumé

récupéré en direct d'OpenAlex

This paper, inspired by the efforts of a Canadian bank, discusses Basel preparation and validation issues. A comprehensive outcomes analysis (eg, back-testing) framework is presented, including a simulation-based calibration test. A consistent risk rating philosophy - point-in-time (PIT) or through-the-cycle (TTC) - encompasses both the probability of default (PD) and the default correlations, and the validation needs to be consistent with both. Related arguments are made that not only PD itself, but the correlation of PD used in economic capital models should be rating system specific. We need to use a larger PD correlation under a TTC rating system than under a PIT rating system. Furthermore, Basel loss given default may not be appropriate for commonly used internal models, and accordingly adjustments are proposed.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,575
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,067
Tête enseignante GPT0,264
Écart entre enseignants0,197 · 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

Citations9
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Credit RiskMême sujetCredit Risk and Financial RegulationsTravaux en français237 207