MétaCan
Menu
Retour à la cohorte
Enregistrement W4415978748 · doi:10.1142/s0219024925500153

MACROECONOMIC STRESS TESTING: A HOUSEHOLD SURVEY DATA SIMULATION

2025· article· en· W4415978748 sur OpenAlexaffabout
Patrick X. Li

Notice bibliographique

RevueInternational Journal of Theoretical and Applied Finance · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensCanadian Imperial Bank of Commerce (Canada)
Organismes subventionnairesnon disponible
Mots-clésStress testStress testing (software)Survey data collectionTest (biology)Distribution (mathematics)Financial marketFinancial riskRisk managementFinancial sector

Résumé

récupéré en direct d'OpenAlex

Macroeconomic stress testing is a risk management technique employed by financial market regulators to evaluate how an institution’s financial condition could be affected by specified changes in risk factors under severe yet plausible economic scenarios. It plays an essential role in financial market risk management and supervision. This paper extends the technique to the household sector by developing a micro-founded simulation framework constrained by macro-consistency to assess household financial security. I apply this framework to Canadian households using the 2023 Macroeconomic Stress Testing (MST) scenario developed by the Office of the Superintendent of Financial Institutions (OSFI). The resulting stress test outcomes are consistent with statements regarding Canadian households in the Bank of Canada’s 2023 Financial System Review. Crucially, I find that accounting for income distribution significantly amplifies stress test results, revealing a pronounced middle-class squeeze effect.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,560
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0010,000
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 Opus0,034
Tête enseignante GPT0,276
Écart entre enseignants0,242 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Theoretical and Applied FinanceMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207