Measuring systemic risk: A financial statement–based approach for insurance firms and banks
Notice bibliographique
Résumé
Abstract We introduce CRISK, a financial statement–based measure, to assess the systemic risk contribution of a financial firm. CRISK measures the capital shortfall of a financial firm conditional on severe distress in the entire system. Our measure complements the market‐based measure, SRISK, introduced by Acharya et al. (2012, American Economic Review , 102 (3), 59–64) and Brownlees and Engle (2017, Review of Financial Studies , 30 (1), 48–79), in identifying systemically risky financial firms. While SRISK provides a timelier assessment using real‐time stock market data, CRISK offers a more nuanced approach using accounting information and is tailored to the distinct characteristics of insurance firms and commercial banks. Our empirical analysis shows that (1) compared to CRISK, SRISK tends to overestimate capital shortfalls for insurance firms and for banks that hold a substantial portion of Federal Deposit Insurance Corporation–insured deposits while underestimating capital shortfalls for banks heavily reliant on uninsured deposits; (2) CRISK estimates of capital shortfall closely align with the actual capital injections received by financial firms during the financial crisis of 2007–2009; and (3) CRISK exhibits a significant positive correlation with short interest. Based on our findings, we recommend using SRISK as an initial screening tool to identify potential systemically risky financial firms, followed by refining the list and validating the expected capital shortfall using CRISK.
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 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».