MétaCan
Menu
Retour à la cohorte
Enregistrement W4242740416 · doi:10.1093/rof/rfaa042

Disastrous Defaults

2020· article· en· W4242740416 sur OpenAlexaff
Christian Gouriéroux, Alain Monfort, Sarah Mouabbi, Jean‐Paul Renne

Notice bibliographique

RevueEuropean Finance Review · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDefaultSystemic riskCredit default swapEconomicsConsumption (sociology)Equity (law)ExploitCredit derivativeArbitrageCredit riskFinancial crisisBusinessMonetary economicsFinancial economicsFinance

Résumé

récupéré en direct d'OpenAlex

Abstract We define a disastrous default as the default of a systemic entity. Such an event is expected to have a negative effect on the economy and to be contagious. Bringing macroeconomic structure to a no-arbitrage asset-pricing framework, we exploit prices of disaster-exposed assets (credit and equity derivatives) to extract information on (i) the expected influence of a disastrous default on consumption and (ii) the probability of a financial meltdown. Using European data, we find that the returns of disaster-exposed assets are consistent with a systemic default being followed by a 2% decrease in consumption. The recessionary influence of disastrous defaults implies that financial instruments whose payoffs are exposed to such credit events carry substantial risk premiums. We also produce systemic risk indicators based on the probability of observing a certain number of systemic defaults or a sharp drop of consumption.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,779
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,011

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 Opus0,057
Tête enseignante GPT0,222
Écart entre enseignants0,165 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Finance ReviewMême sujetCredit Risk and Financial RegulationsTravaux en français237 207