MétaCan
Menu
Retour à la cohorte
Enregistrement W2890074280 · doi:10.2139/ssrn.2733535

Bank Quality, Judicial Efficiency and Borrower Runs: Loan Repayment Delays in Italy

2016· article· en· W2890074280 sur OpenAlexaboutno aff
Fabio Schiantarelli, Massimiliano Stacchini, Philip E. Strahan

Notice bibliographique

RevueSSRN Electronic Journal · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueItaly: Economic History and Contemporary Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDefaultLoanEnforcementBusinessMarket liquidityMonetary economicsTerm loanQuarter (Canadian coin)Loan-to-value ratioFinancial systemFinanceNon-performing loanNon-conforming loanEconomicsMortgage insurance

Résumé

récupéré en direct d'OpenAlex

Exposure to liquidity risk makes banks vulnerable to runs from both depositors and from wholesale, short-term investors. This paper shows empirically that banks are also vulnerable to run-like behavior from borrowers who delay their loan repayments (default). Firms in Italy defaulted more against banks with high levels of past losses. We control for borrower fundamentals with firm-quarter fixed effects; thus, identification comes from a firm's choice to default against one bank versus another, depending upon their health. This 'selective' default increases where legal enforcement is weak. Poor enforcement thus can create a systematic loan risk by encouraging borrowers to default en masse once the continuation value of their bank relationships comes into doubt.

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)0,008
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
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,019
Tête enseignante GPT0,226
Écart entre enseignants0,208 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetItaly: Economic History and Contemporary IssuesTravaux en français237 207