Microfinance investment in Sub-Saharan Africa : turning opportunities into reality
Notice bibliographique
Résumé
Yet despite healthy economic prospects, the region has the lowest share of banked households in the world (12 percent) and the highest share of poor people, with 50 percent of the population living on $1.25 a day or less (Consultative Group to Assist the Poor, or CGAP and World Bank 2010). More work needs to be done to expand financial access, and many governments and international funders are keen to contribute. Equity and debt capital continues to be important in developing financial services for low-income populations in the region. However, local equity is not available in most countries, and local debt funding is scarce. Sub-Saharan Africa (SSA) microfinance relies heavily on deposit funding, mostly composed of short-term deposits, while many smaller institutions cannot attract sufficient deposits to finance growth. The region received 11 percent of global microfinance funding commitments in 2010.4 In terms of cross-border investment, it received among the lowest levels in the world, $1 billion out of a total of $13 billion as of December 2010 (Reille, Forster, and Rozas 2011). This brief examines public and private foreign investment in SSA microfinance retailers, and the key challenges that limit investment. The findings are based on CGAP data on cross-border funding flows, publicly available resources, and interviews with more than 30 investors and other stakeholders conducted in the first quarter of 2012.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».