Meklēšanas opcijas
Sākums Medijiem Noderīga informācija Pētījumi un publikācijas Statistika Monetārā politika Euro Maksājumi un tirgi Karjera
Ierosinājumi
Šķirošanas kritērijs
Latviešu valodas versija nav pieejama

Gustavo Schwenkler

14 February 2020
WORKING PAPER SERIES - No. 108
Details
Abstract
We show that the news is a rich source of data on distressed firm links that drive firm-level and aggregate risks. The news tends to report about links in which a less popular firm is distressed and may contaminate a more popular firm. This constitutes a contagion channel that yields predictable returns and downgrades. Shocks to the degree of news-implied firm connectivity predict increases in aggregate volatilities, credit spreads, and default rates, and declines in output. To obtain our results, we propose a machine learning methodology that takes text data as input and outputs a data-implied firm network.
JEL Code
E32 : Macroeconomics and Monetary Economics→Prices, Business Fluctuations, and Cycles→Business Fluctuations, Cycles
E44 : Macroeconomics and Monetary Economics→Money and Interest Rates→Financial Markets and the Macroeconomy
L11 : Industrial Organization→Market Structure, Firm Strategy, and Market Performance→Production, Pricing, and Market Structure, Size Distribution of Firms
G10 : Financial Economics→General Financial Markets→General
C82 : Mathematical and Quantitative Methods→Data Collection and Data Estimation Methodology, Computer Programs→Methodology for Collecting, Estimating, and Organizing Macroeconomic Data, Data Access

Mūsu interneta vietnē izmantotas sīkdatnes

Mēs izmantojam funkcionālās sīkdatnes, lai saglabātu lietotāju izvēles, analītikas sīkdatnes, lai uzlabotu tīmekļa vietnes sniegumu, un trešo pušu sīkdatnes, ko nosaka trešo pušu pakalpojumi, kas integrēti interneta vietnē.

Jūs varat tās pieņemt vai noraidīt. Lai iegūtu plašāku informāciju vai pārskatītu mūsu izmanto sīkdatņu un serveru žurnālu izvēli, aicinām jūs iepazīties ar tālāk sniegto informāciju.

Lasiet mūsu privātuma paziņojumu

Uzziniet vairāk par sīkdatņu izmantošanu