Returns to scale and fire-sales in the Canadian Banking System
Notice bibliographique
Résumé
My dissertation is divided into four parts. Chapter one summarizes and analyzes data on the Canadian banking system using data from CANSIM and a little used dataset from OSFI. I describe how the Canadian banks earn revenue, fund business activities, and pay expenses and a broad overview of the data, accounting rules, and trends in Canadian banking. Chapter two is an in-depth study on cost efficiency and returns to scale (RTS) in Canadian banking, and I estimate a transcendental log cost function for the six largest Canadian commercial banks. To my knowledge, this is the first work to find evidence of constant RTS among the Canadian banks and it is robust to a number of different asset and price specifications. In Chapter three, I compare the U.S. and Canadian banks from 1996 to 2015 and estimate both a trans-log cost function and, for robustness, an input-oriented distance function. Among the ten largest U.S. commercial banks, I find that constant returns to scale best describes the average bank in this period. However, the smaller banks in the sample exhibited increasing RTS but this became exhausted as bank size increased. In Chapter four, I apply a stress test model based on the work of Duarte and Eisenbach (2015) to estimate potential fire-sale losses in the Canadian banking system from 1996 to 2015. I find that the major banks are resilient to all but the most extreme event. This is because (i) Canada has strong macroprudential regulation that improves the quality of assets, (ii) if given a scenario of severe losses, banks retain a sufficient quantity of liquid assets that these could be used to meet short-term liabilities, and (iii) sufficient equity is available to absorb significant losses. However there remain some areas of concern. Using aggregate vulnerability (AV), I find that the Canadian banking system has become more vulnerable to a fire-sale episode since 2011 which could suggest a rising probability of future losses. The concentration of loans-to-households, including residential mortgages and consumer loans, should be of some concern to regulators.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».