The impact of natural disasters on the performance and solvency of US banks
Notice bibliographique
Résumé
Purpose This paper explores the effect of natural disasters on the profitability and solvency of US banks. Design/methodology/approach Employing a sample of 187 large-scale natural disasters that occurred in the United States between 2000 and 2014 and a sample of 2,891 banks, we examine whether and how disaster-related damages affect various measures of bank profitability and bank solvency. We differentiate between different types of banks (with local, regional and national operations) based on a breakdown of their state-level deposits and explore the reaction of these banks to damages weighted by the GDP of the states they operate in. Findings We find that natural disasters have a pronounced effect on the net-income-to-assets and the net-income-to-equity ratio of banks, as well as the banks' impaired loans and return on average assets. We also observe significant effects on the equity ratio and the tier-1 capital ratio (two solvency measures). Interestingly, the latter are positive for regional banks which appear to benefit from increased customer deposits related to safekeeping, government payments for post-disaster recovery, insurance payouts and decreased withdrawals, while they are significantly negative for banks that operate locally or nationally. Originality/value We contribute to the literature by offering various new insights regarding the effects natural disasters have on financial institutions. With climate change-driven natural disasters widely expected to increase both in terms of frequency and severity, their economic fallout is likely to impose an increasing burden on financial institutions. Large, nationally operating banks tend to be well diversified both geographically and in terms of their product offerings. Small, locally operating banks, however, are increasingly at risk – particularly if they operate in disaster-prone areas. Current banking regulations generally do not factor natural disaster risks into their capital requirements. To avoid the next big financial crisis, regulators may want to adjust their reserve requirements by taking this growing risk exposure into consideration.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».