MétaCan
Menu
← Retour à la cohorte
Enregistrement W2984393271 · doi:10.22215/etd/2019-13502

Three Essays in Banking and Finance

2019· dissertation· en· W2984393271 sur OpenAlexaff
Yinlin Zhang

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésBailoutFinancial crisisBusinessFinancial systemMarket liquidityLoanToo big to failStock (firearms)Monetary economicsFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

This thesis is a collection of three essays with a common theme on the riskiness of banks.The first essay (Chapter 2) examines how banks' discretionary accounting practices affect banks' stock trading liquidity and stock price crash risk.Bank managers can use discretionary loan loss provisioning practices to obscure information on banks' performance and riskiness, thus elevating information uncertainty among investors.We find empirical evidence confirming that banks with greater opacity, as measured by the discretionary loan loss provisioning (DLLP) practice, are associated with greater stock trading illiquidity and higher stock price crash risk.The second essay (Chapter 3) examines depositors' tendency to apply financial discipline to banks that adopt discretionary accounting practices.We find that uninsured deposit growth is negatively associated with banks' DLLP.The findings suggest that depositors punish banks' discretionary accounting practices.We also find that within the non-too-big-to-fail (non-TBTF) banks, depositors react sensitively to DLLP during both the 2008 financial crisis and non-crisis periods.However, for those so-called too-big-tofail (TBTF) banks, depositors react sensitively to DLLP practices only during the non-crisis period, but not during the crisis period.In addition, banks subject to U.S. government bailout actions during the 2008-2009 crisis period received less depositor discipline than other banks.The third essay (Chapter 4) examines whether tail risk for respective real (i.e., nonfinancial) sub-sectors appears to be affected by risk emanating from the financial sector.We use the Conditional Value-at-Risk ("CoVaR") approach to examine which real subsectors are more vulnerable to risk emanating from the financial sector by measuring the

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,004
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0210,006

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 Opus0,022
Tête enseignante GPT0,216
Écart entre enseignants0,194 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFinancial Markets and Investment Strategies→Travaux en français237 207→