MétaCan
Menu
Retour à la cohorte
Enregistrement W3121765062 · doi:10.3905/jod.2015.22.4.037

Credit Exposure and Valuation of Revolving Credit Lines

2015· article· en· W3121765062 sur OpenAlexaff
Yan Wendy Wu

Notice bibliographique

RevueThe Journal of Derivatives · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensWilfrid Laurier UniversitySimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésInterest rateLoanEconomicsEquity (law)Valuation (finance)Fixed interest rate loanNet interest marginMonetary economicsBusinessActuarial scienceFinanceMicroeconomicsIncentive

Résumé

récupéré en direct d'OpenAlex

A revolving credit line is one of the most common forms of commercial bank loan. Fixing the interest rate and the maximum loan amount but not the utilization pattern introduces several types of uncertainty into the contract. In practice, in addition to the interest on the drawn amount, a variety of different fees and charges may be imposed, although generally not all at once. This leads to interesting optimal behavior for the borrower in the face of stochastic fluctuation in market interest rates and borrower credit quality. For example, the borrower can raise funds in the open market if the interest rate is lower there but has the option to draw against the line at the original rate if its creditworthiness weakens. Jones and Wu present a model incorporating these special features and explore how they affect optimal loan terms and borrower behavior. Interesting results include the fact that because of the borrower’s option to draw on the credit line when its creditworthiness weakens, the lender cannot make money on the deal without incorporating extra fees on top of the interest on the borrowed principal. <bold>TOPICS:</bold> <ext-link>Real assets/alternative investments/private equity</ext-link>, <ext-link>quantitative methods</ext-link>

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,257

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
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 Opus0,070
Tête enseignante GPT0,265
Écart entre enseignants0,195 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of DerivativesMême sujetBanking stability, regulation, efficiencyTravaux en français237 207