MétaCan
Menu
Retour à la cohorte
Enregistrement W2914537497 · doi:10.3386/w20459

Counterparty Risk and the Establishment of the New York Stock Exchange Clearinghouse

2014· preprint· en· W2914537497 sur OpenAlexaff
Asaf Bernstein, Eric Hughson, Marc Weidenmier

Notice bibliographique

RevueNational Bureau of Economic Research · 2014
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésClearingCounterpartyBusinessCredit riskStock exchangeDefaultFinancial systemMonetary economicsEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Heightened counterparty risk during the recent financial crisis has raised questions about the role clearinghouses play in global financial stability.Empirical identification of the effect of centralized clearing on counterparty risk is challenging because of the co-incidence of macro-economic turbulence and the introduction of clearinghouses.We overcome these concerns by examining a novel historical experiment, the establishment of a clearinghouse on the New York Stock Exchange (NYSE) in 1892.During this period the largest NYSE stocks were also listed on the Consolidated Stock Exchange (CSE), which already had a clearinghouse.Using identical securities on the CSE as a control, we find that the introduction of clearing reduced annualized volatility of NYSE returns by 90-173bps and increased asset values.Prior to clearing, shocks to overnight lending rates reduced the value of stocks on the NYSE, relative to identical stocks on the CSE, but this was no longer true after the establishment of clearing.We also show that at least ½ of the average reduction in counterparty risk on the NYSE is driven by a reduction in contagion risk -the risk of a cascade of broker defaults.Our results indicate that clearing can cause a significant improvement in market stability and value through a reduction in network contagion and counterparty risk.

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)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,165
Tête enseignante GPT0,380
Écart entre enseignants0,215 · 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'étudeThéorique ou conceptuel
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

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetBanking stability, regulation, efficiencyTravaux en français237 207