MétaCan
Menu
Retour à la cohorte
Enregistrement W1600816025 · doi:10.3386/w17022

The Quantification of Systemic Risk and Stability: New Methods and Measures

2011· report· en· W1600816025 sur OpenAlexaff
Romney B. Duffey

Notice bibliographique

RevueNational Bureau of Economic Research · 2011
Typereport
Langueen
DomaineComputer Science
ThématiqueAI-based Problem Solving and Planning
Établissements canadiensAtomic Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésSystemic riskComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

We address the question of the prediction of large failures, busts, or system collapse, and the necessary concepts related to risk quantification, minimization and management.Answering this question requires a new approach since predictions using standard financial techniques and statistical distributions fail to predict or anticipate crises.The key points are that financial markets, systems, trading and manoeuvres are not just about money, debt, stocks, instruments and assets but reflect the actions and motivations of humans, which includes the presence or absence of learning effects.Therefore we have the possibility of failures or rare or low frequency events due to human involvement.The rare or unknown event is directly due to human influence, and reflects both learning and risk taking, with the presence of the finite and persistent human error contribution while taking or exposed to risk.This presence of humans in the marketplace explains the failure of present purely statistical methods to correctly estimate, predict or determine the onset of financial crises, busts and collapses.In this essay, we unify the concepts for predicting financial systemic risk with the general theory for outcomes, trends and measures already derived for other technical and social systems with human involvement.We replace words and qualitative reasoning with measures and quantitative predictions.The paper is therefore written with an introductory section devoted to the measures relevant to risk prediction in other modern technological systems; and is then extended and applied specifically to risk prediction for financial and business systems.The resulting measures also provide useful guidance for risk governance.Romney B.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,033
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0080,004
Études des sciences et des technologies0,0010,007
Communication savante0,0040,009
Science ouverte0,0020,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,549
Tête enseignante GPT0,532
Écart entre enseignants0,017 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetAI-based Problem Solving and PlanningTravaux en français237 207