Notice bibliographique
Résumé
We propose a theory for rating financial securities in the presence of structural maximization by the issuer in a market with investors who rely on credit rating. Two types of investors, simple investors who price tranches solely based on the ratings and model-based investors who use the rating information to calibrate models, are considered. Concepts of self-consistency and information gap are proposed to study different rating criteria. In particular, the expected loss criterion used by Moody’s satisfies self-consistency, but the probability of default criterion used by Standard & Poor’s does not. Moreover, the probability of default criterion typically has a higher information gap than the expected loss criterion. Empirical evidence in the post–Dodd–Frank period is consistent with our theoretical implications. We show that a set of axioms based on self-consistency leads to a tractable representation for all self-consistent rating criteria, which can also be extended to incorporate economic scenarios. New examples of self-consistent and scenario-based rating criteria are suggested. This paper was accepted by Agostino Capponi, finance. Funding: This work was supported by the National Key Research and Development Program of China [Grant 2020YFA0712700], the Natural Sciences and Engineering Research Council of Canada [Grants RGPIN-2018-03823, RGPAS-2018-522590], and the National Natural Science Foundation of China [Grant 12371476]. Supplemental Material: The online appendix and data files are available at https://doi.org/10.1287/mnsc.2023.01075 .
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 | 0,008 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».