Identifying policy determinants of bank default risk during the COVID-19 pandemic: empirical evidence from the U.S. and Canada
Notice bibliographique
Résumé
This study examines the policy determinants of bank default risk, proxied by credit default swap (CDS) spreads, using quarterly data from the U.S. and Canada for the period 2020 to 2022. The analysis considers four determinant groups: the COVID-19 pandemic shock, aggressive monetary and fiscal policy responses, macroprudential-related bank financial fundamentals, and macroeconomic and market conditions. Utilizing General Least Squares (GLS) and dynamic panel models with system General Method of Moments (GMM), the findings reveal that rising COVID-19 deaths significantly widen CDS spreads. Expansionary monetary policies reduce bank default risk, though the effectiveness under conventional monetary policy is reduced by increasing COVID-19 deaths. In contrast, expansionary fiscal policies and inflation broaden CDS spreads. The combined analysis highlights policy stances as dominant factors, with macroprudential-related fundamentals having minimal impact. The findings are robust using both 5-year and 10-year CDS measures. This study has significant policy implications during health and economic crises. For financial stability, policymakers should prioritize reducing pandemic-related deaths, utilize expansionary monetary policies with health support strategies, balance fiscal support to avoid excessive government spending, and implement measures to control inflation. It is essential to enhance coordination between healthcare, fiscal, and monetary authorities for effective policy implementation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».