Conséquences de la COVID-19 : Étude de l’impact des taux d’intérêt négatifs
Notice bibliographique
Résumé
La crise économique découlant de la COVID-19 a eu plusieurs répercussions sur plusieurs secteurs de l’économie. Une des incidences les plus importantes a été l’intervention massive des banques centrales de plusieurs pays visant à injecter des liquidités dans le système financier et à réduire les taux d’intérêt. Cette étude évalue l’impact d’une politique de taux d’intérêt nominaux négatifs (ou très bas) sur la performance économique des institutions bancaires. Nos principaux constats peuvent se résumer comme suit. Premièrement, l’impact d’une politique de taux d’intérêt négatifs sur la performance économique d’une institution bancaire dépend de son modèle d’affaires. Les institutions jouant un rôle plus traditionnel d’intermédiaire financier (prise de dépôts, activités de prêt) sont davantage affectées que celles ayant un modèle davantage orienté vers la gestion de patrimoine et l’offre de services financiers moins traditionnels. Deuxièmement, nos constats diffèrent des résultats rapportés dans d’autres études. Ainsi, dans les pays ayant des politiques monétaires de bas taux d’intérêt, les marges nettes d’intérêt (ou marge bénéficiaire sur l’activité d’intermédiation) des institutions bancaires ne sont pas toujours réduites. Dans plusieurs cas, les institutions financières ajustent leur taux sur les prêts pour maintenir leur marge malgré la baisse générale des taux. Dans la mesure où, en pratique, il y a un taux plancher de 0% offert sur les dépôts, une politique de taux d’intérêt négatif ne se répercute pas nécessairement sur les taux d’emprunt. L’impact sur la rentabilité est cependant fonction du contexte social et institutionnel. Néanmoins, au Japon, cette réduction des marges a entraîné une forte baisse de la rentabilité, les banques japonaises n’ayant pas significativement amélioré leur productivité. En revanche, en Scandinavie, il semble que les banques ont réagi à la baisse des taux d’intérêt en trouvant d’autres sources de revenus et en réduisant leurs coûts d’exploitation de manière radicale. Ces mesures leur ont permis de limiter les dommages sur leur rentabilité de la baisse des taux d’intérêt. Troisièmement, la majorité des institutions financières ont fortement amélioré leur efficience opérationnelle au cours des dernières années. Enfin, bien que la rentabilité des institutions financières se soit améliorée au cours des dernières années, elle se situe en deçà du rendement de la décennie précédente. Les institutions financières japonaises affichent une faible rentabilité alors que les banques canadiennes trônent au sommet. Les modèles d’affaires semblent déterminants pour expliquer la performance au cours des dernières années.
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 | 0,020 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,001 |
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 ».