MétaCan
Menu
← Retour à la cohorte
Enregistrement W2511905638 · doi:10.5539/ijef.v8n9p50

Equity Capital as a Safety Cushion in the US Banking Sector

2016· article· en· W2511905638 sur OpenAlexaffvenue
Raymond A. K. Cox, Randall K. Kimmel, Grace W.Y. Wang

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésReturn on equityBusinessEquity ratioEquity capital marketsCapital adequacy ratioFinancial systemCapital requirementFinanceEquity riskLoanEconomicsPrivate equity

Résumé

récupéré en direct d'OpenAlex

The incidence of US bank failures soared in the financial crisis and economic recession starting in 2008. Financial regulations promulgated by the Federal Reserve and issued through the Basel III Accord raised the minimum equity capital requirements of banks. The intent of the increase in equity capital was to serve as a greater safety cushion to reduce the probability of failure. The purpose of this study is to examine the financial statement variables that distinguish failed (zero equity capital) and nonfailed US banks. The methods employed to investigate our research question are: 1. univariate t-test, and 2. tobit regression analysis with equity capital as the dependent variable. Our results show that the factors explaining equity capital include real estate loans to assets, equity capital to total assets, log of total assets, return on equity, loan loss allowance to total loans, non-performing loans to total assets, total loans to total assets, mortgage-backed securities to total assets, total short-term debt securities to total assets, net gains on sales of loans to total non-interest income, and insured deposits to total deposits. Bank management and financial regulators need to focus on these financial characteristics to ensure adequate equity capital as a safety cushion.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
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 savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,246
Écart entre enseignants0,223 · 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

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and Finance→Même sujetBanking stability, regulation, efficiency→Travaux en français237 207→