MétaCan
Menu
Retour à la cohorte
Enregistrement W3033836975 · doi:10.1142/s2282717x20400022

RECENT DEVELOPMENTS IN THE FINTECH INDUSTRY

2020· article· en· W3033836975 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Financial Management Markets and Institutions · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensWilfrid Laurier UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésFinTechFinancial servicesVenture capitalBusinessFinancial innovationIntermediarySection (typography)Value (mathematics)Industrial organizationFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

In this article, we review some recent developments in the field of Financial Technology or “FinTech.” We begin with an overview of what FinTech is and why it has become an important growth industry in the financial services area and therefore an important research topic in finance. In the next section, we review some of the academic literature in the FinTech area. In the subsequent section, we characterize the financing of FinTech startups, especially by venture capital firms. In the following section, we characterize innovation by FinTech firms as well as by incumbent financial intermediaries. In the next section, we move on to discuss potential sources of value creation by FinTech start-up firms relative to existing incumbent firms: we conjecture that one source of value creation may arise from FinTech startups being able to provide a superior customer experience relative to incumbent firms in various areas of consumer finance. In the following section, we discuss the regulatory environment facing FinTech firms, in their banking as well as in their financial market activities. In the penultimate section, we analyze the buy-versus-build decision facing firms choosing to enter the FinTech sector and discuss the trade-offs that may drive such decisions in practice. We conclude with some remarks about the future directions that may be taken by the FinTech industry.

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 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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,735
Score d'incertitude au seuil0,309

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,043
Tête enseignante GPT0,246
Écart entre enseignants0,203 · 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