Bibliographic record
Abstract
La crise financiere de 2008 a ete largement imputee a une prise de risque excessive par lesbanques US et du monde entier, qui ont ete mises en grande difficulte. Une des questionsprincipales que se posent les scientifiques et les regulateurs concerne le role joue par lesmodes de remuneration des dirigeants des banques dans l'incitation a la prise de risque. Le butde cette recherche est d'etudier si les modes de remuneration des dirigeants des banquesinduisent la prise de risque et contribuent a la crise financiere. Nous nous proposonsd'analyser separement les effets de chaque composante de la remuneration des PDG (lesalaire, la prime, les autres remunerations annuelles, le pourcentage du salaire, le pourcentagede la prime, le pourcentage des autres remunerations annuelles, et les remunerations qui sontfondees sur une participation au capital de la banque) sur la prise de risque dans le secteurbancaire. Nous tenterons aussi de deceler plus specifiquement une eventuelle responsabilitede ces modes de remuneration dans le declenchement de la crise financiere et lesmanifestations du risque bancaire dans les deux premieres annees de crise. Pour les risquesbancaires, nous utilisons de nombreuses mesures differentes : le risque total, le risquesystematique, le risque idiosyncratique, le ratio de la provision pour pertes sur prets enpourcentage des credits, le ratio des prets non performants en pourcentage des credits, lerisque de defaut mesure par la distance par rapport au defaut (Z-score), le changement de laCDS, le changement de la notation des banques et la chute de la valeur des actions. Enutilisant un echantillon de 63 grandes banques d'Europe, du Canada et des Etats-Uniscouvrant une periode de 5 ans de 2004 a 2008, nous trouvons que le salaire et la prime desPDG diminuent l‘essentiel des risques bancaires, alors que les autres remunerations annuellesdes PDG les augmentent. Ces modes de remuneration des PDG n‘ont pourtant aucun lien avecles changements du risque bancaire dans la crise. En ce qui concerne les remunerationsfondees sur une participation au capital de la banque, nous trouvons que l'utilisation desactions gratuites en remuneration pendant la periode pre-crise n'a pas d'effet sur leschangements anormaux du risque bancaire dans la periode de crise. Au contraire, l'utilisationdes options d'achat d'actions pendant la meme periode est une des raisons des manifestationsdu risque bancaire dans la recente crise financiere.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.005 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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; both teacher heads agree on what is shown here.
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".