MétaCan
Menu
Retour à la cohorte
Enregistrement W3016830144 · doi:10.3390/jrfm13040074

The Costs and Benefits of Bank Capital—A Review of the Literature

2020· article· en· W3016830144 sur OpenAlexfundvenueno aff
Martin Birn, Olivier de Bandt, Simon M. Firestone, Matías Gutiérrez Girault, Diana Hancock, Tord S. H. Krogh, Hitoshi Mio, Donald Morgan, Ajay A. Palvia, Valério Scalone, Michael Straughan, Arzu Uluc, Alexander H. von Hafften, Missaka Warusawitharana

Notice bibliographique

RevueJournal of risk and financial management · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesRheinische Friedrich-Wilhelms-Universität BonnYork University
Mots-clésCapital requirementEconomicsRisk-adjusted return on capitalCapital (architecture)Capital adequacy ratioCost of capitalBasel IIBasel IIIMarket liquidityEconomic capitalFinancial capitalActuarial scienceMonetary economicsCapital formationMicroeconomicsIncentive

Résumé

récupéré en direct d'OpenAlex

In 2010, the Basel Committee on Banking Supervision published an assessment of the long-term economic impact (LEI) of stronger capital and liquidity requirements. This paper considers this assessment in light of estimates from later studies of the macroeconomic benefits and costs of higher capital requirements. Consistent with the Basel Committee’s original assessment, this paper finds that the net macroeconomic benefits of capital requirements are positive over a wide range of capital levels. Under certain assumptions, the literature finds that the net benefits of higher capital requirements may have been understated in the original committee assessment. Put differently, the range of estimates for the theoretically optimal level of capital requirements—where marginal benefits equal marginal costs—is likely either similar to, or higher than was originally estimated by the Basel Committee. The above conclusion is however subject to a number of important considerations. First, estimates of optimal capital are sensitive to a number of assumptions and design choices. For example, the literature differs in judgments made about the permanence of crisis effects as well as assumptions about the efficacy of post crisis reforms, such as liquidity regulations and bank resolution regimes, in reducing the probability and costs of future banking crisis. In some cases, these judgements can offset the upward tendency in the range of optimal capital. Second, differences in (net) benefit estimates can reflect different conditioning assumptions such as starting levels of capital or default thresholds (the capital ratio at which firms are assumed to fail) when estimating the impact of capital in reducing crisis probabilities. Finally, the estimates are based on capital ratios that are measured in different units. For example, some studies provide optimal capital estimates in risk-weighted ratios, others in leverage ratios. And, across the risk-weighted ratio estimates, the definition of capital and risk-weighted assets (RWAs) can also differ (e.g., tangible common equity (TCE) or Tier 1 or common equity tier 1 (CET1) capital; Basel II RWAs vs. Basel III measures of RWAs). A full standardisation of the different estimates across studies to allow for all of these considerations is not possible on the basis of the information available and lies beyond the scope of this paper. This paper also suggests a set of issues which warrant further monitoring and research. This includes the link between capital and the cost and probability of crises, accounting for the effects of liquidity regulations, resolution regimes and counter-cyclical capital buffers, and the impact of regulation on loan quantities.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,737
Score d'incertitude au seuil0,192

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,195
Écart entre enseignants0,186 · 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 tête enseignante, 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

Citations47
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetBanking stability, regulation, efficiencyTravaux en français237 207