MétaCan
Menu
Retour à la cohorte
Enregistrement W2590362111 · doi:10.5860/choice.51-6850

Fragile by design: the political origins of banking crises and scarce credit

2014· article· en· W2590362111 sur OpenAlexaboutno aff

Notice bibliographique

RevueChoice Reviews Online · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoliticsEconomicsHistoryBusinessFinancial systemPolitical sciencePolitical economyLaw

Résumé

récupéré en direct d'OpenAlex

Why are banking systems unstable in so many countries--but not in others? The United States has had twelve systemic banking crises since 1840, while Canada has had none. The banking systems of Mexico and Brazil have not only been crisis prone but have provided miniscule amounts of credit to business enterprises and households. Analyzing the political and banking history of the United Kingdom, the United States, Canada, Mexico, and Brazil through several centuries, Fragile by Design demonstrates that chronic banking crises and scarce credit are not accidents due to unforeseen circumstances. Rather, these fluctuations result from the complex bargains made between politicians, bankers, bank shareholders, depositors, debtors, and taxpayers. The well-being of banking systems depends on the abilities of political institutions to balance and limit how coalitions of these various groups influence government regulations. Fragile by Design is a revealing exploration of the ways that politics inevitably intrudes into bank regulation. Charles Calomiris and Stephen Haber combine political history and economics to examine how coalitions of politicians, bankers, and other interest groups form, why some endure while others are undermined, and how they generate policies that determine who gets to be a banker, who has access to credit, and who pays for bank bailouts and rescues.

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)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,009
Communication savante0,0070,006
Science ouverte0,0000,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,062
Tête enseignante GPT0,299
Écart entre enseignants0,237 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations379
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChoice Reviews OnlineMême sujetBanking stability, regulation, efficiencyTravaux en français237 207