Notice bibliographique
Résumé
This thesis studies the economics of changes in financial and banking rules and regulations. Chapter 1 provides an empirical investigation of the impact of a regulatory change on domestic financial markets, and potential spillovers to international markets. Chapter 2 examines sweeping reforms to international financial and banking regulations from the perspective of central banks. Chapter 3 investigates how financial markets compete, both domestically and internationally, through the introduction of new exchange specific rule changes.\nIn Chapter 1, I study how 2010 amendments to Regulation SHO, which impose temporary constraints on short sale trades after triggering a circuit breaker, impact trading. Using matching based analysis for in period variation, and a pre-regulation placebo counter factual test I find circuit breakers have a marked impact on most market measures for firms post circuit breaker. The regulation aims to improve liquidity, as evidenced through\nthe measure of depth. I do find that depth improves, however, this change is driven by a change in the composition of depth which suggests that real liquidity diminishes after a circuit breaker has been triggered.\nIn collaboration with Anita Anand and Albert Yoon, Chapter 2 examines the legal mandates of central banks prior to and following the recent financial crisis. We examine the mandates of central banks of 42 countries from 2002 to 2011. Across the sample, we find that most central banks have consistent, but not identical, mandates and that most mandates create discretionary rather than affirmative responsibilities. In addition, we find that the total number of central bank mandates has increased dramatically.\nIn Chapter 3, with Katya Malinova and Andreas Park, we investigate how securities exchanges worldwide aim to incentivize liquidity provision introducing maker-taker fee structures. We analyze the impact of maker-taker pricing on market quality, by studying the 2006 introduction of maker rebates on the Toronto Stock Exchange (TSX). We find that measures of quoted and effective spreads tighten, but depth declines. Benefits to\nliquidity providers decline while costs for liquidity demanders do not increase, even after accounting for rebates and increased fees, respectively, due to increased competition.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».