Financement dynamique des intermédiaires financiers : l’effet de la volatilité du taux de crédit sur les dépôts de base
Bibliographic record
Abstract
L’étude examine les effets à court et long terme de la volatilité du taux de crédit sur les moyens de financement d’un intermédiaire financier qui est caractérisé par la neutralité au risque et des rendements constants à l’échelle dans sa technologie de transformation d’actifs. Étant donné l’existence de coûts d’ajustement convexes, nous démontrons que le flux courant de dépôts nouveaux est une fonction croissante du prix d’ordre des dépôts existants. Nous prouvons aussi qu’un accroissement de la volatilité du taux de crédit augmente le flux courant de dépôts nouveaux. De plus, si le taux de crédit ne présente pas de corrélation chronologique, cette volatilité accrue fait monter le niveau anticipé d’équilibre à long terme des dépôts de base. Ces résultats se vérifient également dans la plupart des cas où le taux est corrélé chronologiquement. Les fluctuations du taux de crédit étant corrélées, le modèle d’optimisation peut même entraîner une situation particulière, la désintermédiation à long terme des dépôts de base. C’est le cas si le coût marginal d’ajustement est plus convexe que la fonction d’intermédiation : ceci ne se réalise (de façon non ambiguë) que s’il y a forte persistance temporelle des fluctuations du taux de crédit, que si le facteur d’actualisation est faible et que si le taux d’attrition des dépôts existants est élevé.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".