MétaCan
Menu
Retour à la cohorte
Enregistrement W3123394104 · doi:10.3386/w26429

Benchmark Interest Rates When the Government is Risky

2019· preprint· en· W3123394104 sur OpenAlexaff
Patrick Augustin, Mikhail Chernov, Lukas Schmid, Dongho Song

Notice bibliographique

RevueNational Bureau of Economic Research · 2019
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCollateralized debt obligationInterest rateInterest rate swapSwap (finance)Credit default swapEconomicsMonetary economicsMarket liquiditySovereign defaultCredit derivativeTreasuryCredit riskRisk premiumLiquidity premiumMaturity (psychological)Credit default swap indexFinancial crisisCollateralSovereigntyLiquidity riskCredit valuation adjustmentFinanceSovereign debtMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Since the Global Financial Crisis, rates on interest rate swaps have fallen below maturity matched U.S. Treasury rates across different maturities.Swap rates represent future uncollateralized borrowing between banks.Treasuries should be expensive and produce yields that are lower than those of maturity matched swap rates, as they are deemed to have superior liquidity and to be safe, so this is a surprising development.We show, by no-arbitrage, that the U.S. sovereign default risk explains the negative swap spreads over Treasuries.This view is supported by a quantitative equilibrium model that jointly accounts for macroeconomic fundamentals and the term structures of interest and U.S. credit default swap rates.We account for interbank credit risk, liquidity effects, and cost of collateralization in the model.Thus, the sovereign risk explanation complements others based on frictions such as balance sheet constraints, convenience yield, and hedging demand.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0040,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,341
Tête enseignante GPT0,444
Écart entre enseignants0,102 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetCredit Risk and Financial RegulationsTravaux en français237 207