Who Pays? CCP Resource Provision in the Post-Pittsburgh World
Notice bibliographique
Résumé
At the Pittsburgh Summit in 2009, G20 countries announced their commitment to clear all standardized over-the-counter (OTC) derivatives through central counterparties (CCPs). Since then, CCPs have become increasingly important and there has been an extensive program of regulatory enhancements to both them and OTC derivatives markets. However, as OTC clearing has grown, tensions have emerged among market participants over CCPs’ traditional model of resource provision through loss mutualization. We argue that most of these tensions can be explained by a misalignment between the policy goal of enhancing financial stability and the delivery of that goal by mandating clearing through CCPs as they are currently organized. Specifically, the traditional model for resource provision makes most CCPs suitable for managing club goods, whereas financial stability is a public good. The key differences between these two types of goods, driven by the wedge between those who pay for them and those who derive the benefits, create the observed tensions. Thus, we propose a framework to analyze the functional elements of a CCP and examine whether an alternative clearing model might be more effective in supporting financial stability. We conclude that some tensions could perhaps be mitigated by unbundling the functions of a CCP and selecting the ownership and funding structure that best suits their individual characteristics. Functions that are critical for the provision of financial stability might imply some form of public sector involvement, whereas other services might lend themselves to a for-profit or traditional club model.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».