MétaCan
Menu
Retour à la cohorte
Enregistrement W3112148506 · doi:10.18280/ijsse.100505

Tripartite Risk Game Analysis on Public Private Partnership Projects of High-Speed Rail from the Perspective of Bank

2020· article· en· W3112148506 sur OpenAlexvenueno aff
Xing Yang, Kehu Tan

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePublic-Private Partnership Projects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessPublic–private partnershipGeneral partnershipPrivate sectorRisk managementFinanceGame theoryRisk analysis (engineering)Actuarial scienceEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The bank is a leading funder and a primary risk bearer in public private partnership (PPP) projects of high-speed rail (HSR). This paper explores the risk sharing of HSR PPP projects among three parties: the public sector, the private sector, and the bank. From the perspective of the bank, a comprehensive risk evaluation index system (EIS) was established, involving 37 risk factors in 4 stages. Meanwhile, the fuzzy evaluation method was used to calculate the center of gravity (COG) values. On this basis, a tripartite static game model was established based on risk preference. Then, the equilibrium point set of risk sharing was summarized by analyzing the payment matrix of the game. The results show that the bank-oriented comprehensive EIS for the risks in HSR PPP projects can effectively reduce the bank’s capital risk, and the reasonable risk sharing among the three parties is greatly affected by the game mechanism based on risk preference and deterrent effect.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,722
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 ouverte0,0010,000
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 Opus0,026
Tête enseignante GPT0,241
Écart entre enseignants0,215 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetPublic-Private Partnership ProjectsTravaux en français237 207