Simulation studies of liquidity needs, risks and efficiency in payment networks : Proceedings from the Bank of Finland Payment and Settlement System Seminars 2005-2006
Notice bibliographique
Résumé
Chapter 1 Harry Leinonen Introduction 9 Chapter 2 Kimmo Soramäki - Walter Beyeler - Morten Bech - Rober Glass New approaches for payment system simulation research 15 Chapter 3 Fabien Renault - Jean-Baptiste Pecceu From PNS to TARGET2: the cost of FIFO in RTGS payment system 41 Chapter 4 Neville M. Arjani Examining the tradeoff between settlement delay and intraday liquidity in Canada's LVTS: a simulation approach 87 Chapter 5 Kei Imakubo - James J. McAndrews Funding levels for the new accounts in the BOJ-NET 123 Chapter 6 Ana Lasaosa - Merxe Tudela Risks and efficiency gains of a tiered structure in large-value payments: a simulation approach 149 Chapter 7 Stefan W Schmitz - Claus Puhr Risk concentration, network structure and contagion in the Austrian Real Time Interbank Settlement System 183 Chapter 8 Elisabeth Ledrut How can banks control their exposure to a failing participant? 227 Chapter 9 Darcey McVanel The impact of unanticipated defaults in Canada's Large Value Transfer System 253 Chapter 10 Matti Hellqvist - Heli Snellman Simulation of operational failures in equities settlement 283
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
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 ».