MétaCan
Menu
Retour à la cohorte
Enregistrement W4235592999 · doi:10.1017/s0022109017000709

CoMargin

2017· article· en· W4235592999 sur OpenAlexaboutno aff
Jorge A. Cruz Lopez, Jeffrey H. Harris, Christophe Hurlin, Christophe Pérignon

Notice bibliographique

RevueJournal of Financial and Quantitative Analysis · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésClearingCollateralMargin (machine learning)Derivatives marketBusinessSystemic riskStability (learning theory)Probability of defaultExternalityActuarial scienceComputer scienceEconometricsCredit riskEconomicsFinanceMicroeconomicsFutures contractFinancial crisis

Résumé

récupéré en direct d'OpenAlex

We present CoMargin, a new methodology to estimate collateral requirements in derivatives central counterparties (CCPs). CoMargin depends on both the tail risk of a given market participant and its interdependence with other participants. Our approach internalizes trading externalities and enhances the stability of CCPs, thus reducing systemic risk concerns. We assess our methodology using proprietary data from the Canadian Derivatives Clearing Corporation that include daily observations of the actual trading positions of all of its members from 2003 to 2011. We show that CoMargin outperforms existing margining systems by stabilizing the probability and minimizing the shortfall of simultaneous margin-exceeding losses.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,304
Score d'incertitude au seuil0,345

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,043
Tête enseignante GPT0,287
Écart entre enseignants0,244 · 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

Citations28
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Financial and Quantitative AnalysisMême sujetBanking stability, regulation, efficiencyTravaux en français237 207