La disclosure nel controllo dei rischi nei bilanci bancari italiani
Bibliographic record
Abstract
Lo strumento dei coefficienti patrimoniali, nonostante la sua flessibilita, non consente di fronteggiare le numerose situazioni che la dinamica bancaria puo, di volta in volta, presentare. Lo stesso Nuovo Accordo sul Capitale, la cui elaborazione e stata richiesta proprio per superare i limiti del primo accordo, accoglie, relativamente all’opzione basata sui rating interni, modelli di valutazione del rischio il cui studio e la cui applicazione e abbastanza recente. La validita di tali modelli deve ancora essere attestata e cio puo rendere difficile alla vigilanza valutare il vero rischio della banca. In questo contesto, l’azione di disciplina del mercato puo essere un importante alleato della vigilanza rafforzandone gli effetti. Certo, l’efficacia dell’interazione tra vigilanza e disciplina di mercato dipende dalla significativita delle informazioni pubblicate. Solo in presenza di informazioni affidabili, complete, omogenee e tempestive si puo migliorare la capacita del mercato di valutare il rischio e quindi di contribuire a rafforzare la stabilita del sistema. In questa prospettiva, l’obiettivo di questo lavoro e duplice. Da una parte, con riferimento alla redditivita, alla situazione finanziaria, alle strategie e procedure di gestione del rischio, e alle politiche contabili, si voglione confrontare le informazioni obbligatorie previste dalla normativa italiana, ante IAS. in tema di bilanci bancari con le raccomandazioni del Comitato di Basilea. Dall’altra, la ricerca intende verificare il livello effettivo della disclosure sui bilanci di un campione di banche italiane, considerandone l’evoluzione negli anni 2000-2003, concentrando l’attenzione su quegli ambiti ritenuti piu problematici, in tema di informativa al pubblico, ossia: l’organizzazione dei controlli interni, il rischio di credito, il rischio di mercato e il rischio operativo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.015 | 0.057 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.050 | 0.022 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".