MétaCan
Menu
Retour à la cohorte
Enregistrement W4389435412 · doi:10.3390/jrfm16120507

ECB Monetary Policy and the Term Structure of Bank Default Risk

2023· article· en· W4389435412 sur OpenAlexvenueno aff
Tom Beernaert, Nicolas Soenen, Rudi Vander Vennet

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMonetary policyMonetary economicsEconomicsCredit riskDefaultQuantitative easingFinancial systemActuarial scienceFinanceCentral bank

Résumé

récupéré en direct d'OpenAlex

Euro Area banks have been confronted with unprecedented monetary policy actions by the ECB. Monetary policy may affect bank risk profiles, but the consequences may differ for short-term risk versus long-term or structural bank risk. We empirically investigated the association between the ECB’s monetary policy stance and market-perceived short-term and long-term bank risk, using the term structure of default risk captured by bank CDS spreads. The results demonstrated that, during the period 2009–2020, ECB expansionary monetary policy diminished bank default risk in the short term. However, we did not observe a similar decline in long-term bank default risk, since we documented that monetary stimulus is associated with a steepening of the bank default risk curve. The reduction of bank default risk was most pronounced during the sovereign debt crisis and for periphery Euro Area banks. From 2018 onwards, monetary policy accommodation is associated with increased bank default risk, both short-term and structurally, which is consistent with the risk-taking hypothesis under which banks engage in excessive risk-taking behavior in their loan and securities portfolios to compensate profitability pressure caused by persistently low rates. The increase in perceived default risk is especially visible for banks with a high reliance on deposit funding.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,509
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,008
Tête enseignante GPT0,205
Écart entre enseignants0,197 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetCredit Risk and Financial RegulationsTravaux en français237 207