We conduct three sets of empirical

We conduct three sets of empirical analyses to identify the
cumulative value of business credit information sharing and factors
that influence its magnitude. First, we compare the accuracy
ratio of default prediction models that include and do not include
business credit information. The accuracy ratio represents a widely
used measure in the credit risk literature and credit rating industry
and indicates the aggregate default prediction accuracy in a sample
(e.g., Cantor and Mann, 2003; Engelmann et al., 2003). Second, we
define a measure that indicates the likelihood of improvement in
firm-specific default predictions due to the addition of business
credit information. We investigate the factors that are likely to
influence this measure using probit regression models. We also
examine the differential impact of hard and soft business credit
information (for parallels to the banking literature, see Berger
and Udell, 2002; Petersen, 2004; Berger et al., 2005; Grunert
et al., 2005). Third, we test for potential real effects of businesscredit information sharing. In a spatial and industry analysis, we
investigate whether there is a relation between the improvements
in the accuracy of ex ante default risk assessments due to business
credit information sharing and realized default rates.

ผลลัพธ์ (ไทย) 1:

เราทำสามชุดวิเคราะห์ผลเพื่อระบุการ
มูลค่าสะสมของธุรกิจสินเชื่อข้อมูลร่วมและปัจจัย
ที่มีอิทธิพลต่อขนาดของการ ครั้งแรก เราเปรียบเทียบความถูกต้อง
อัตราเริ่มต้นแบบจำลองพยากรณ์ที่รวม และไม่รวม
ธุรกิจข้อมูลเครดิต แสดงถึงอัตราส่วนความถูกต้องตัวกัน
ใช้วัดในวรรณคดีและอันดับอุตสาหกรรมความเสี่ยงของสินเชื่อ
และระบุความคาดเดาค่าเริ่มต้นรวมในตัวอย่าง
(เช่น คันทอร์และมานน์ 2003 Engelmann และ al., 2003) สอง เรา
กำหนดตัววัดที่บ่งชี้โอกาสของการปรับปรุงใน
คาดการณ์เริ่มต้นเฉพาะบริษัทเนื่องจากการเพิ่มธุรกิจ
เครดิตข้อมูล เราตรวจสอบปัจจัยที่มักจะ
อิทธิพลวัดนี้ใช้แบบจำลอง probit ถดถอย เรายัง
ตรวจสอบผลกระทบที่แตกต่างของสินเชื่อธุรกิจอย่างหนัก และนุ่ม
รายละเอียด (parallels เอกสารประกอบการธนาคาร ดูเบอร์เกอร์
และ Udell, 2002 Petersen, 2004 เบอร์เกอร์ et al., 2005 Grunert
et al., 2005) ที่สาม เราทดสอบสำหรับผลจริงอาจใช้ร่วมกันข้อมูล businesscredit ในการวิเคราะห์เป็นปริภูมิและอุตสาหกรรม เรา
ตรวจสอบว่า มีความสัมพันธ์ระหว่างปรับปรุง
ในความถูกต้องของอดีตอีกผลประเมินความเสี่ยงเริ่มจากธุรกิจ
เครดิตข้อมูลและราคาเริ่มต้นที่รับรู้

ผลลัพธ์ (ไทย) 2:

เราดำเนินการสามชุดวิเคราะห์เชิงประจักษ์ในการระบุ
ค่าสะสมของการใช้ข้อมูลร่วมกันสินเชื่อธุรกิจและปัจจัย
ที่มีผลต่อขนาดของ ครั้งแรกที่เราเปรียบเทียบความถูกต้อง
อัตราส่วนของรูปแบบการทำนายที่มีการเริ่มต้นและไม่รวมถึง
ข้อมูลสินเชื่อธุรกิจ อัตราส่วนความถูกต้องหมายถึงอย่างกว้างขวาง
วัดที่ใช้ในวรรณคดีความเสี่ยงด้านเครดิตและสินเชื่ออุตสาหกรรมคะแนน
และแสดงความถูกต้องทำนายเริ่มต้นรวมในกลุ่มตัวอย่าง
(เช่นต้นเสียงและแมนน์. 2003; Engelmann et al, 2003) ประการที่สองเรา
กำหนดตัวชี้วัดที่บ่งบอกถึงความเป็นไปได้ของการปรับปรุงใน
บริษัท เฉพาะการคาดการณ์ค่าเริ่มต้นจากการเพิ่มขึ้นของธุรกิจ
ข้อมูลเครดิต เราจะตรวจสอบปัจจัยที่มีแนวโน้มที่จะ
มีอิทธิพลต่อการวัดนี้โดยใช้แบบจำลองการถดถอย probit นอกจากนี้เรายัง
ตรวจสอบผลกระทบที่แตกต่างของสินเชื่อธุรกิจแข็งและอ่อน
ข้อมูล (สำหรับแนววรรณกรรมธนาคารดูเบอร์เกอร์
และ Udell 2002; ปีเตอร์เสน 2004; เบอร์เกอร์และคณะ 2005. Grunert
et al, 2005). ประการที่สามเราทดสอบสำหรับผลกระทบที่อาจเกิดขึ้นจริงของข้อมูลที่ใช้งานร่วมกัน businesscredit ในการวิเคราะห์เชิงพื้นที่และอุตสาหกรรมที่เรา
ตรวจสอบว่ามีความสัมพันธ์ระหว่างการปรับปรุง
ในความถูกต้องของการประเมินความเสี่ยงเริ่มต้นเดิมพันอดีตเนื่องจากธุรกิจ
ข้อมูลเครดิตร่วมกันและอัตราการเริ่มต้นตระหนัก

ผลลัพธ์ (ไทย) 3:

เราดำเนินการวิเคราะห์เชิงประจักษ์ 3 ชุดเพื่อระบุค่าสะสมของธุรกิจข้อมูลเครดิต

แบ่งปันและปัจจัยที่มีอิทธิพลสำคัญ ก่อนอื่น เราเปรียบเทียบความถูกต้องของแบบจำลองการคาดการณ์ว่าอัตราค่า

รวมและไม่รวมข้อมูลสินเชื่อธุรกิจ อัตราส่วนความถูกต้องเป็นอย่างกว้างขวางใช้วัดความเสี่ยงเครดิต

เครดิตอุตสาหกรรมวรรณกรรมและและแสดงการรวมเริ่มต้นทำนายความถูกต้องในตัวอย่าง
( เช่นคันทอร์และ Mann , 2003 ; เองเกิลเมิ่น et al . , 2003 ) ประการที่สอง เรากำหนดมาตรการ
ที่บ่งชี้ว่าโอกาสของการปรับปรุงใน
บริษัทเฉพาะเริ่มต้นคาดคะเน เนื่องจากการเพิ่มของข้อมูลเครดิตธุรกิจ

เราศึกษาปัจจัยที่คาดว่าจะมีผลต่อการใช้มาตรการนี้
ตัวโมเดล
เรายังศึกษาเปรียบเทียบผลกระทบของการแข็งและอ่อน ( สำหรับข้อมูล
สินเชื่อธุรกิจกับธนาคารและวรรณกรรม เห็นเบอร์เกอร์
udell , 2002 ; Petersen , 2004 ; Berger et al . , 2005 ; grunert
et al . , 2005 ) ประการที่สาม เราทดสอบผลจริงศักยภาพของ businesscredit ข้อมูลแบ่งปัน ในการวิเคราะห์เชิงพื้นที่และอุตสาหกรรม เรา
ศึกษาว่ามีความสัมพันธ์ระหว่างการปรับปรุง
ในความถูกต้องของแฟนเก่าก่อนเริ่มต้นการประเมินความเสี่ยงจากธุรกิจข้อมูลเครดิต และตระหนักร่วมกัน
ราคาเริ่มต้น