MétaCan
Menu
Retour à la cohorte
Enregistrement W2538025865

Interdependencies between Leverage and Capital Ratios in the Central and Eastern European Banks

2016· preprint· en· W2538025865 sur OpenAlexfundno aff
Karel Janda, Oleg Kravtsov

Notice bibliographique

RevueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich) · 2016
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesGrantová Agentura České RepublikyEuropean CommissionMcGill University
Mots-clésLeverage (statistics)BusinessCzechCapital requirementInterdependenceStatisticMonetary economicsCapital adequacy ratioIncentiveProxy (statistics)Financial systemEconomicsStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper we discuss the implications of the Basel III requirements on the leverage ratio for the banking sector in the Central and Eastern Europe (CEE) and particularly in the Czech Republic. In the empirical study, we applied a data sample of 198 major banks operating in seven countries across the CEE region over the period 2007-2014. The data of the Czech banking sector confirms stronger capital ratios and an overall solid leverage level with only few historical observations being lower than the regulatory guidelines. By analyzing the components of ratios, we conclude that the Czech banks during the last seven years are focusing more on the optimization of risk weighted assets and structuring portfolios with lower risks. We propose an empirical model that allows to test how the leverage ratios and its variables respond to the changes in the cycle. Our analysis across financial institutions in the CEE region shows that the leverage in normal times is strongly related to capital ratio. The statistic evidences on the risk profile and strategy as measured by risk proxy in the model are pointing out on incentives of the banks to manage actively their balance sheet and reduce the riskiness of their portfolios in adverse economic conditions.

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)0,009
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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,027
Tête enseignante GPT0,199
Écart entre enseignants0,172 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich)Même sujetBanking stability, regulation, efficiencyTravaux en français237 207