MétaCan
Menu
Retour à la cohorte
Enregistrement W1996339383 · doi:10.1108/17422040910938640

Why moral failures precede financial crises

2009· article· en· W1996339383 sur OpenAlexaff
David Weitzner, James L. Darroch

Notice bibliographique

RevueCritical Perspectives on International Business · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic, financial, and policy analysis
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésHubrisCorporate governanceTransparency (behavior)Financial crisisEconomicsValue (mathematics)Shadow (psychology)OriginalityClearingFinancial marketBusinessAccountingMarket economyFinancial systemFinancePolitical scienceLawMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to explore the linkages between greed and governance failures in both financial institutions and financial markets. Design/methodology/approach The paper described how innovation changed the US financial system through an analysis of recent events, and employs the philosophic concepts of hubris and greed to explain certain developments. Findings The development of the shadow banking system and opaque products was motivated in part by greed. These developments made governance at both the institutional and market levels extremely difficult, if not impossible. In part the findings are limited by the current opacity of the markets and the dynamics of events. Practical implications The implication of the research is to reinforce the need for transparency if the risk of innovation in the financial system is to be both identified and managed. The creation of central clearing houses and/or exchanges for new products is clearly indicated. Originality/value Understanding the linkages between greed, hubris and governance in the development of opaque products provides insights of value to those trying to understand the current crisis – from academics to practitioners.

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)0,005
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,046
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,010
Communication savante0,0040,007
Science ouverte0,0010,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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 Opus0,037
Tête enseignante GPT0,289
Écart entre enseignants0,252 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations33
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Perspectives on International BusinessMême sujetEconomic, financial, and policy analysisTravaux en français237 207