MétaCan
Menu
Retour à la cohorte
Enregistrement W2948136673

Ireland’s retail banking crisis: lessons to learn and policy implications

2018· dissertation· en· W2948136673 sur OpenAlexaboutno aff
Julie Kennedy Fogarty

Notice bibliographique

RevueFigshare · 2018
Typedissertation
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessRetail bankingFinancial crisisFinancial systemEconomicsMacroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Lessons have been learned since the Irish banking crisis, and important regulatory and\nsupervisory actions have been taken both domestically and internationally. While, there\nexists an extensive body of research investigating the Irish banking crisis, a number of\nimportant questions remain unanswered in relation to whether the latent distress in the\nIrish retail banking system could have been recognised contemporaneously. To address\nthese gaps, this thesis builds upon the existing literature in two ways. First, the main\nIrish banks are compared to a European sample of peers across a unique database of\nfinancial indicators using econometric analyses to see if the severe financial distress in\nwhich they found themselves could have been identified earlier. Secondly, using a case\nstudy approach, this thesis presents an original and detailed comparative analysis of the\nCanadian and Spanish retail banking systems to investigate whether any regulatory and\nsupervisory lessons can be identified. These countries’ commercial retail banks provide\na useful benchmark given their relative resilience during the Global Financial Crisis.\nThe main findings from this research can be summarised as follows: (1) Statistical\nevidence is presented which shows structural differences in the lead up to the crisis\nbetween those banks that had to be bailed out and those that did not. In particular,\nfunding structure was the most robust predictor of performance – banks with more\ndepository funding experienced a lower probability of being bailed out. (2) In addition,\nrobust funding models and vigorous liquidity management were identified as important\ndeterminants of banking performance. The Spanish case study found that Spanish\nbanks were far more internationally diversified than their Irish peers – their balance\nsheets thus provided greater access to capital to cushion the problems they faced when\nthe Spanish real estate sector collapsed. The Spanish banks’ unique use of\ncountercyclical provisioning was also found to be a key differentiating factor. The\nCanadian case study showed that Canadian banks had higher capital levels, relied more\nheavily on equity and used more deposit-based funding structures compared to their\nIrish peers.

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)0,010
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,004
Communication savante0,0100,009
Science ouverte0,0020,004
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,059
Tête enseignante GPT0,300
Écart entre enseignants0,241 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetBanking stability, regulation, efficiencyTravaux en français237 207