MétaCan
Menu
Retour à la cohorte
Enregistrement W4417196177 · doi:10.69554/ijbb1264

The optimal desk coverage ratio and the Basel III FRTB internal models approach

2025· article· en· W4417196177 sur OpenAlexaboutno aff
Hank Z. Yang

Notice bibliographique

RevueJournal of risk management in financial institutions · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeskCapital requirementCapital (architecture)Minimum capitalBasel IIIMetric (unit)Capital allocation lineCover (algebra)

Résumé

récupéré en direct d'OpenAlex

The implementation of the internal models approach under the Fundamental Review of the Trading Book (FRTB) is a contemporary topic among regulators and the global banking industry, considering the pending finalisation or implementation of localised standards in some major jurisdictions including the US, UK and European Union (EU). This paper proposes a simple intuitive approach to assess the joint impact and sensitivities of Basel III capital Output Floor and minimum desk coverage threshold on the internal models approach (IMA) application. In particular, the paper introduces the optimal desk coverage ratio as a metric to quantify the optimal proportion of the trading desks that a bank may cover under IMA to maximise capital savings given the constraints of Output Floor, minimum desk coverage threshold and other factors. The paper also presents Japan and Canada, where FRTB is in force, as live examples for analysis using actual bank-level regulatory disclosures from ten major banks. The paper illustrates the coverage cliff effect and concludes that the IMA application from a capital savings perspective is heavily driven not only by Output Floor and minimum desk coverage threshold but also by credit and market risk weightings and their respective capital saving ratios from internal models. This article is also included in The Business & Management Collection which can be accessed at https://hstalks.com/business/.

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)0,000
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,494

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,238
Écart entre enseignants0,216 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk management in financial institutionsMême sujetBanking stability, regulation, efficiencyTravaux en français237 207