MétaCan
Menu
Retour à la cohorte
Enregistrement W4402483517 · doi:10.1287/mnsc.2022.03133

LIBOR Discontinuation and the Cost of Bank Loans

2024· article· en· W4402483517 sur OpenAlexaff
Jeong‐Bon Kim, Chong Wang, Feng Wu

Notice bibliographique

RevueManagement Science · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLiborDiscontinuationEconomicsFinancial systemBusinessMonetary economicsActuarial scienceInterest rateInternal medicineMedicine

Résumé

récupéré en direct d'OpenAlex

With the London Interbank Offered Rate (LIBOR) being replaced by risk-free rate (RFR)-based alternative reference rates, the fundamental differences between the two benchmarking frameworks impose significant risks on banks. Exploiting the Financial Conduct Authority (FCA)’s announcement of the phase-out of LIBOR, we conduct a difference-in-differences analysis based on banks’ reliance on LIBOR and show that LIBOR discontinuation entails higher interest rate spread of bank loans. The result implies that banks tend to compensate for the LIBOR-to-RFR risks by passing on the transition costs to borrowers. This effect is attenuated if multiple benchmarks are already in use, for relationship lending, and among banks operating in a competitive environment. We further find that LIBOR discontinuation leads to more collateral and covenant requirements in loan terms. After the FCA announcement, banks are inclined to switch away from LIBOR dependence by referencing alternative rates. This paper was accepted by Victoria Ivashina, finance. Funding: J.-B. Kim acknowledges support from City University of Hong Kong; C. Wang acknowledges support from Hong Kong Polytechnic University and the National Natural Science Foundation of China [No. 71932003]; F. (H.) Wu acknowledges support from the General Research Fund [No. 13500820] from the University Grants Committee of Hong Kong. Supplemental Material: The data files are available at https://doi.org/10.1287/mnsc.2022.03133 .

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)0,002
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,800
Score d'incertitude au seuil0,290

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,016
Tête enseignante GPT0,231
Écart entre enseignants0,215 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetBanking stability, regulation, efficiencyTravaux en français237 207