Bank and Credit Union Business Models in the United States
Notice bibliographique
Résumé
This study comes in response to the continuing evolution of market structures and regulatory overhaul since the financial crisis of 2007-2009 in the US. The banking sector has largely suffered after the collapse of Lehman Brothers in September 2008. The initial context of decades of deregulation has been followed by the Dodd-Frank Act to respond to the overly damaging 2007-2009 global financial crisis, with the aim of safeguarding financial stability and putting an end to government bailouts. This first investigation into the bank and credit union business models for the United States, offers an extensive insight into 10,352 banks and 10,392 credit unions, which respectively account for almost all total banking assets of the country and more than 80% of the total assets of credit unions. Using regulatory data from 2000 to 2014, the two samples of 108,226 bank-year observations and 115,516 credit-union-year observations are each clustered into distinct bank and credit union business models, using a novel definition and applying a robust clustering methodology. The definition uses the activity and funding profiles of a bank or a credit union based on balance sheet indicators. Four bank business models and three credit union business models are identified. The study proceeds then by thorough assessments of the interaction between business models and size, as well as the migration, financial performance, contribution to the real economy, risk and response to regulation of US banks and credit unions, using a rich palette of indicators.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».