MétaCan
Menu
← Retour à la cohorte
Enregistrement W2800346634 · doi:10.1111/caje.12332

Government loan guarantees and the credit decision‐making structure

2018· article· en· W2800346634 sur OpenAlexvenueno aff
Ruth Ben‐Yashar, Miriam Krausz, Shmuel Nitzan

Notice bibliographique

RevueCanadian Journal of Economics/Revue canadienne d économique · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLoanEconomicsWelfare economicsActuarial scienceFinance

Résumé

récupéré en direct d'OpenAlex

Abstract Governments can alleviate the problem of banks denying credit to high risk borrowers and excluding weaker sectors from borrowing by introducing state‐guaranteed loan programs. The main contribution of this paper is the elucidation of the importance of the bank's credit decision‐making structure in ensuring overall effectiveness of loan guarantees. In particular, the government can use the guarantee as an instrument for credit inducement and for affecting the bank's decision‐making system, i.e., its degree of centralization, bias towards approval of loans and reliance on objective loan‐specific information. Résumé Les garanties gouvernementales de prêts et la structure de la prise de décision en ce qui a trait au crédit. Les gouvernements peuvent soulager le problème des banques qui refusent de faire crédit à des emprunteurs à hauts risques et excluent certains secteurs plus faibles d’accès au crédit, en introduisant des programmes de garantie de prêts. La contribution centrale de ce mémoire est l’élucidation de l’importance de la structure de prise de décision des banques en ce qui a trait au crédit pour assurer l’efficacité des garanties de prêts. En particulier, le gouvernement peut utiliser la garantie comme instrument d’incitation au crédit et pour influencer le système de prise de décision des banques, i.e., le degré de centralisation, la tendance à approuver les prêts, le recours à de l’information objective et spécifique au prêt.

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)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,184
Écart entre enseignants0,134 · 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'étudeObservationnel
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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Economics/Revue canadienne d économique→Même sujetBanking stability, regulation, efficiency→Travaux en français237 207→