MétaCan
Menu
Retour à la cohorte
Enregistrement W3124586799 · doi:10.3386/w20241

The Revolving Door and Worker Flows in Banking Regulation

2014· preprint· en· W3124586799 sur OpenAlexaff
David O. Lucca, Amit Seru, Francesco Trebbi

Notice bibliographique

RevueNational Bureau of Economic Research · 2014
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Insolvency and Governance
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRevolving doorBusinessOperations managementEconomicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

This paper traces career transitions of federal and state U.S. banking regulators from a large sample of publicly available curricula vitae, and provides basic facts on worker flows between the regulatory and private sector resulting from the revolving door. We find strong countercyclical net worker flows into regulatory jobs, driven largely by higher gross outflows into the private sector during booms. These worker flows are also driven by state-specific banking conditions as measured by local banks' profitability, asset quality and failure rates. The regulatory sector seems to experience a retention challenge over time, with shorter regulatory spells for workers, and especially those with higher education. Evidence from cross-state enforcement actions of regulators shows gross inflows into regulation and gross outflows from regulation are both higher during periods of intense enforcement, though gross outflows are significantly smaller in magnitude. These results appear inconsistent with a "quid-pro-quo" explanation of the revolving door, but consistent with a "regulatory schooling" hypothesis.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,279
Score d'incertitude au seuil0,429

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
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 ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,153
Tête enseignante GPT0,393
Écart entre enseignants0,240 · 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'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

Citations24
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetCorporate Insolvency and GovernanceTravaux en français237 207