Why does bank screening matter? Private information and publicly traded securities
Notice bibliographique
Résumé
Purpose The purpose of this paper is to use an equilibrium model to identify the public and private informational requirements for equilibrium pricing and shows that unless these informational requirements are met, skin-in-the-game policies will not be fully effective against moral hazard for banks with relatively large market share. Selling securitizations with recourse can be. Design/methodology/approach The single-period model shows equilibrium prices depend on both public and private information, the latter produced as banks screen loans. If bank has a sufficiently large market share, it can profit by omitting the screening unless investors can detect the change. The author derives the profit function for not screening, shows that a skin-in-the-game policy cannot fully offset its incentives, and proposes a sale with recourse policy that can. Findings To value securitizations correctly, investors require both publicly and privately available information. If investors cannot monitor banks closely, correct pricing can be frustrated by profit maximization incentives, since banks with large market shares can profit from not screening. Skin-in-the-game policies cannot fully offset these incentives. Research limitations/implications The equilibrium model identifies the public and private informational requirements for equilibrium pricing and shows that unless these informational requirements are met, skin-in-the-game policies will not be fully effective for banks with relatively large market share. Selling securitizations with recourse can be more fully effective. Practical implications If it is difficult for investors to obtain private information, skin-in-the-game policies are not provide fully effective remedies against moral hazard. Sales with recourse policies offer promise because they are easy for investors to understand and difficult to evade. Social implications Trading on the basis of private information can create perverse incentives, and appropriate corrective policies can help offset them. Originality/value The general equilibrium methodology, the findings of incentives to avoid screening, the flaws with skin-in-the-game policies, and the proposal for sale with recourse are all new.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».