MétaCan
Menu
Retour à la cohorte
Enregistrement W4403978442 · doi:10.2308/tar-2021-0604

Bank Entry Barriers and Firms’ Risk-Taking

2024· article· en· W4403978442 sur OpenAlexfundno aff
Sudipta Basu, Mahsa Kaviani, Hosein Maleki

Notice bibliographique

RevueThe Accounting Review · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesTemple UniversityQueen's UniversityDrexel University
Mots-clésBusinessFinancial systemFinanceAccounting

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We study how nonfinancial firms’ operating risks change after bank competition increases. By exploiting the 1990s staggered regulatory reforms across U.S. states that allowed interstate banking and branching, we show that out-of-state bank entry was associated with lower borrower risk-taking on average. Large, profitable, safe, and geographically diversified firms signed up as new clients of large entrant banks, which offered larger and cheaper loans that reflected their higher efficiency and risk reduction through geographical diversification. We argue that these large banks could substitute for local relationship lending with more data collection from branches in multiple states. Firms that began borrowing from entrant banks increased capital expenditures and project-specific financing and kept R&D expenses stable but reduced R&D risk. Firms that continued borrowing from incumbent banks paid higher interest rates and increased their risk, suggesting that their credit access fell. States that opened up more had bigger changes in these outcomes. Data availability: Data are available from the public sources cited in the text. JEL Classifications: G21; G28; G32.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil0,859

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,248
Écart entre enseignants0,229 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Accounting ReviewMême sujetBanking stability, regulation, efficiencyTravaux en français237 207