Managing and Measuring Capital: For Banks and Financial Institutions
Notice bibliographique
Résumé
Introduction Michael K. Ong (The Stuart Graduate School of Business, Illinois Institute of Technology) Part 1 - Managing Capital 1. Maximising Capital Efficiency Through Active Credit Portfolio Management Alistair McLeod (Barclays Capital) 2. The Interplay Between Risk and Return Bogie Ozdemir and Peter Miu (Sun Life Financial Group (BO) and DeGroote School of Business McMaster University (PM)) 3. Assessing the Emerging Caveats of the New Market Risk Metrics Peter Dobranszky (BNP Paribas and Katholieke Universiteit Leuven) 4. Fixing What's Broken in Market Risk Capital Models Michael Gibson (Federal Reserve Board) 5. Beware of the Tail: A Survival Guide to the Tail Risk Wilderness Evgueni Ivantsov (HSBC) 6. Foreign Reserve Management & the Global Financial Crisis Orhan Kandar (Central Bank of the Republic of Turkey) 7. Managing Liquidity Risk in a New Funding Environment Peter Neu and Pascal Vogt (The Boston consulting Group) 8. Portfolio Construction and Risk Management under Non-normality Ho Ho (MSCI Inc) 9. A Roadmap to Connect Capital, Return and Credit Risk Strategies Danny Dieleman and Tamar Joulia-Paris (ING Bank (DD) and St Louis University (T J-P)) Part 2 - Measuring Capital 10. Economic and Regulatory Capital for Counterparty Credit Risk Michael Pykhtin (Federal Reserve Board) 11. Bilateral Credit Valuation Adjustment with Application to Credit Default Swaps Damiano Brigo and Agostino Capponi (King's College London (DB) and Purdue University (AC)) 12. Model-based Downturn PDs for Basel III Esa Jokivuolle and Matti Viren (Bank of Finland) 13. Capital Allocation for Credit Portfolios under Normal and Stressed Market Conditions Dirk Tasche and Norbert Jobst (FSA, London(DT) and Lloyds Bank (NJ)) 14. Designing an Effective ICAAP as an Integrated Capital Planning Tool: Managing Capital Adequacy and Procylicality Bogie Ozdemir and Peter Miu (Sun Life Financial Group (BO) and DeGroote School of Business McMaster University (PM)) 15. Addressing Procyclicality: Credit Cycles, Stress Scenarios and Portfolio Losses Jorge Sobehart and Rodolfo Giacone (Citigroup) 16. Fully Integrated Capital Models and Economic Scenario Generation Alexander McNeil, Gavin Kretzschmar and Axel Kirchner (Maxwell Institute for the Mathematical Sciences, Edinburgh (AM), EADA Business School Barcelona (GK) and Barrie & Hibbert Limited (AK)) 17. Measuring the Performance of a Business Within a Bank Stuart Turnbull (Bauer College of Business, University of Houston) 18. Risk-adjusted Performance Measurement under Model Risk Francesco Saita (Bocconi University)
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,017 |
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 ».