Does Fair Value Accounting Contribute to Systemic Risk in the Banking Industry?
Notice bibliographique
Résumé
ABSTRACT I investigate whether fair value accounting can contribute to the banking industry's systemic risk. I focus on the adoption of Statement of Financial Accounting Standard No. 115 (SFAS No. 115), which required available‐for‐sale (AFS) securities to be recognized at fair value with unrealized gains and losses included in equity through accumulated other comprehensive income. SFAS No. 115 increased banks' regulatory risk because, at the time, calculation of regulatory capital closely conformed with GAAP equity. I find that systemic risk increased following the adoption of SFAS No. 115. Furthermore, following a subsequent regulatory amendment—which excluded unrealized gains and losses on AFS securities from regulatory capital but did not change their GAAP treatment—systemic risk decreased. Taken together, the evidence suggests that fair value accounting has the potential to increase systemic risk through the explicit inclusion of volatile fair value estimates in regulatory bank capital adequacy assessments. I do not, however, find evidence of fair value accounting impacting systemic risk in its information role; that is, by providing information to a bank's external stakeholders about its financial position and performance. I also show that higher fair value volatility of investment securities, lower bank capital, and larger AFS security holdings increase banks' marginal contribution to systemic risk. My findings should interest regulators and policymakers, as recent regulatory changes in light of Basel III recommendations require unrealized gains and losses on AFS securities to be included in regulatory capital for advanced approaches banks.
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 | 0,027 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».