Market microstructure and the historical relationship between the US farm credit system, farm service agency and commercial bank lending
Notice bibliographique
Résumé
Purpose The purpose of this paper is to investigate the market microstructure related to the Farm Credit System (FCS), Commercial Banks (CB) and Farm Services Administration (FSA). The commercial banks frequently call out the FCS as having an unfair advantage in the agricultural finance market place due to tax exempt bonds, and an implied guarantee of those bonds. This paper addresses the issue by examining the interrelationships since 1939, while addressing the historically distinctive roles that the FCS, CB and FSA have played in the US agricultural credit market. Design/methodology/approach There are two components to our model. The first is the estimation of short and long run credit demand elasticities, as well as land elasticities. These are estimated from a dynamic duality model using seemingly unrelated regression. The point elasticity measures are then used as independent variables in least square regressions, combined with farm specific and related macro variables, for the Cornbelt states. The dependent variable is the year-over-year changes in paired FCS, CB and FSA loans. Findings The genesis of the FCS was to provide credit to farmers in good and bad years. Therefore, we expected to see a countercyclical relationship between FCS and CB. This is found for the farm crisis years in the 1980s but is not a continuous characteristic of FCS lending. In good times the FCS and CB appear to compete, albeit with differentiated market segmentation into short- and long-term credit. The FSA, which was established to provide tertiary support to both the FCS and CB, appears to be responding as designed, with greater activity in bad years. The authors find the elasticity measures to be economically significant. Research limitations/implications The authors conclude that the market microstructure of the agricultural credit market in the US is important. Our analysis applies a broader definition of market microstructure for institutions and intermediaries and reveals that further research examining the economic frictions caused by comparative bond vs deposit funding of agricultural credit is important. Originality/value The authors believe that this is the first paper to examine agricultural finance through the market microstructure lens. In addition our long-term data measures allow us to examine the economics through various sub-periods. Finally, we believe that our introduction of credit and land demand elasticities into a comparative credit model is also a first.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».