MétaCan
Menu
Retour à la cohorte
Enregistrement W2905535502 · doi:10.5539/ibr.v12n1p35

Comparing Different Systemic Risk Measures for European Banking System

2018· article· en· W2905535502 sur OpenAlexvenueno aff
Annalisa Di Clemente

Notice bibliographique

RevueInternational Business Research · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSystemic riskExpected shortfallBusinessValue at riskActuarial scienceRanking (information retrieval)Copula (linguistics)Sample (material)EconometricsEconomicsRisk managementComputer scienceFinancial crisisFinance

Résumé

récupéré en direct d'OpenAlex

This research examines and compares the performances in terms of systemic risk ranking for three different systemic risk metrics based on daily frequency publicly available data, specifically: Marginal Expected Shortfall (ES), Component Expected Shortfall (CES) and Delta Conditional Value-at-Risk (ΔCoVaR). We compute ΔCoVaR, MES and CES by utilizing EVT principles for modelling marginal distributions and Student’s t copula for describing the dependence structure between every bank and the banking system. Our objective is to attest whether different systemic risk metrics detect the same banks as systemically dangerous institutions with refer to a sample of European banks over the time span 2004-2015. For each bank in the sample we also calculate three traditional market risk measures, like Market VaR, Sharpe’s beta and the correlation between every bank and the banking system (European STOXX 600 Banks Index). Another aim is to explore the existence of a link among systemic risk measures and traditional risk metrics. In addition, the classification results obtained by the different risk metrics are compared with the ranking in terms of systemic riskiness (for European banks) calculated by Financial Stability Board (2015) using end-2014 data and collected in its list of Global Systemically Important Banks (G-SIBs). With refer to the entire sample period, we find a good coherence of ranking results among the three different systemic risk metrics, in particular between CES and ΔCoVaR. Moreover, we find for MES and ΔCoVaR a strong linkage with beta and correlation metrics respectively. Finally, CES metric shows the highest level of concordance with the list of G-SIBs by FSB with refer to European banks.

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)0,004
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 enseignants0,005
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,119
Tête enseignante GPT0,322
Écart entre enseignants0,204 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetBanking stability, regulation, efficiencyTravaux en français237 207