Unbalanced Liquidity Management Evaluation of the Russian Banking Sector
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The monetary policy content both in the world and in Russia is changing. The past five years confirm that banking systems are experiencing unprecedented influence of both external and internal macroeconomic factors. Autonomous factors in the banking sector liquidity formation are factors that are not related to the Central Bank operations for its management. However, at present, there are no studies related to the study of the autonomous factors influence on the banking sector liquidity. This article presents a model that fills this gap. We use this model to answer a number of theoretical questions: how is the influence of autonomous factors on the banking sector liquidity carried out and in what stages of development are their manifestations stronger? The calculated model is able to test hypotheses that are informally discussed in political and academic circles. Based on the objectivity of the model, one can estimate the reliability of each of the hypotheses put forward in this study. For calculating the model, time series were used for each day for the period 2013-2016, taken at the site of the Central Bank of Russia. On the basis of the panel regressions device it is shown that among the autonomous factors of liquidity formation the largest impact on the Russian banking sector liquidity is made by the change in balances on the accounts of the enlarged government with the Bank of Russia. The conducted research will allow the Central Bank to forecast the banking sector demand in liquid funds, taking into account the autonomous factors influence.
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.
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 | 0,017 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle