An Empirical Study on the Impact of Basel III Standards on Banks’ Default Risk: The Case of Luxembourg
Notice bibliographique
Résumé
We study how the Basel III regulations, namely the Capital-to-Assets Ratio (CAR), the Net Stable Funding Ratio (NSFR) and the Liquidity Coverage Ratio (LCR), are likely to impact banks’ profitability (i.e., ROA), capital levels and default. We estimate historical series of the new Basel III regulations for a panel of Luxembourgish banks for a period covering 2003q2–2011q3. We econometrically investigate whether historical LCR and NSFR components, as well as CAR positions are able to explain the variation in a measure of a bank’s default risk (approximated by Z-score) and how these effects make their way through banks’ ROA and CAR.We find that the liquidity regulations induce a decrease in average probabilities of default. We find that the liquidity regulation focusing on maturity mismatches (i.e., NSFR) induces a decrease in average probabilities of default. Conversely, the impact on banks’ profitability is less clear-cut; what seems to matter is banks’ funding structure rather than the characteristics of the portfolio of assets. Additionally, we use a model of bank behavior to simulate the banks’ optimal adjustments of their balance sheets as if they had to adhere to the regulations starting in 2003q2. Then, we predict, using our preferred econometric model and based on the simulated data, the banks’ Z-score and ROA. The simulation exercise suggests that basically all banks would have seen a decrease in their default risk during a crisis episode if they had previously adhered to Basel III.
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 | 0,005 | 0,001 |
| 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 | 0,001 | 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 ».