Lessons from the financial crisis : insights from the defining economic event of our lifetime
Notice bibliographique
Résumé
Introduction Arthur M. Berd The Roots of the Crisis 1. The Credit Crunch of 2007: What Went Wrong? Why? What Lessons Can be Learned? John C. Hull [University of Toronto] 2. Underwriting versus Economy: A New Approach to Decomposing Mortgage Losses Ashish Das, Roger M. Stein [Moody's Research Labs] 3. Credit Expansion, Leverage and the Shadow Banking System Paul McCulley [PIMCO] 4. The Collapse of the Icelandic Banking System David Lando, Rene Kallestrup [Copenhagen Business School] 5. The Quant Crunch Experience and the Future of Quantitative Investing Robert Litterman [GSAM, retired] The Impact on the Markets 6. The Impact of the Crisis on the OTC Derivatives Markets Jeff Rosenberg [Bank of America Merrill Lynch] 7. The Re-Emergence of Distressed Exchanges in Corporate Restructurings Edward I. Altman, Brenda Karlin [NYU] Risk Management and Regulation 8. Modeling Systemic and Sovereign Risks Dale F. Gray, Andreas A. Jobst [IMF] 9. Measuring and Managing Risk in Innovative Financial Instruments Stuart M. Turnbull [University of Houston] 10. Forecasting Extreme Risk of Equity Portfolios with Fundamental Factors Vladislav Dubikovsky, Michael Y. Hayes, Lisa R. Goldberg, Ming Liu [MSCI Barra] Quantitative Modelling 11. Limits of Implied Credit Correlation Metrics Before and During the Crisis Damiano Brigo [King's College], Andrea Pallavicini [Banca Leonardo], Roberto Torre-setti [QCM] 12. Another View on the Pricing of MBS, CMOs, CDOs of ABS Jean-David Fermanian [CREST-ENSAE] 13. Pricing of Credit Derivatives with or without Counterparty and Collateral Adjustments Alexander Lipton, David Shelton [Bank of America Merrill Lynch] 14. A Practical Guide to Monte Carlo CVA Alexander Sokol [CompatibL] Market Efficiency and (In)Stability 15. The Endogenous Dynamics of Markets: Price Impact, Feedback Loops and Instabilities Jean-Philippe Bouchaud [CFM] 16. Market Panics: Correlation Dynamics, Dispersion, and Tails Lisa Borland [Evnine and Assoc.] 17. Financial Complexity and Systemic Stability in Trading Markets Matteo Marsili, Kartik Anand [ICTP] 18. The Martingale Theory of Bubbles: Implication for the Valuation of Derivatives and Detecting Bubbles Robert A. Jarrow, Philip Protter [Cornell University] Lessons for Investors 19. Managing through a Crisis: Practical Insights and Lessons Learned for Quantitatively Managed Equity Portfolios Peter J. Zangari [GSAM] 20. Active Risk Management: a Credit Investor's Perspective Vineer Bhansali [PIMCO] 21. Investment Strategy Returns: Volatility, Asymmetry, Fat Tails and the Nature of Alpha Arthur M. Berd [CFM]
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».