MétaCan
Menu
Retour à la cohorte
Enregistrement W3004570083 · doi:10.1080/10971475.2020.1722359

In Search of the Best Interest Rate for Group Lending: Toward a Win–Win Solution for SMEs and Commercial Banks in China

2020· article· en· W3004570083 sur OpenAlexaff
Qin Shang, Zhenzhong Ma, Xueyang Wang

Notice bibliographique

RevueChinese Economy · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésDilemmaDefaultChinaBusinessInterest rateGroup (periodic table)Monetary economicsFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

To better help resolve the dilemma of more demand for bank lending and increasing defaulted bank loans, this paper develops a pricing model on SMEs’ group lending practice using a gaming method. The optimization method and the game analysis are used to model the dynamical interest rates of group lending in order to maximize the profits for SMEs and to guarantee basic income for commercial banks. A simulated empirical analysis is used to obtain the optimal lending rate and expected profits, and the results provide support for the proposed model. The result of this study provides valuable insights on designing effective incentives to encourage commercial banks to provide funds to SMEs and to encourage SMEs to pay back the loans to commercial banks, and thus is able to help resolve the funding dilemma between commercial banks and small and medium enterprises in China.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,546

Scores Codex et Gemma par catégorie

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

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 Opus0,059
Tête enseignante GPT0,275
Écart entre enseignants0,216 · 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 tête enseignante, 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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChinese EconomyMême sujetBanking stability, regulation, efficiencyTravaux en français237 207