ОБСЛЕДОВАНИЕ СБАЛАНСИРОВАННОСТИ СПРОСА И ПРЕДЛОЖЕНИЯ НА КРЕДИТНОМ РЫНКЕ: ОПЫТ ЦЕНТРАЛЬНЫХ БАНКОВ
Notice bibliographique
Résumé
Список використаних джерел 1. The Euro Area Bank Lending Survey. 3rd Quarter of 2014 [Елект-ронний ресурс] // European Central Bank: [сайт]. – Режим доступу: http://www.ecb.europa.eu/stats/pdf/blssurvey_201407.pdf?da48b686a17b77a3521c30083610656f. (дата використання джерела: 25.09.2014). 2. The Euro Area Bank Lending Survey. 3rd quarter of 2012 [Елект-ронний ресурс] // European Central Bank: [сайт]. – Режим доступу: http://www.ecb.europa.eu/stats/pdf/blssurvey_201210.pdf. (дата викорис-тання джерела: 20.09.2014). 3. The July 2014 Senior Loan Officer Opinion Survey on Bank Lending Practices. [Електронний ресурс] // Federal Reserve: [сайт]. – Режим доступу: http://www.federalreserve.gov/boarddocs/snloansurvey/ 201408/fullreport.pdf. (дата використання джерела: 21.09.2014). 4. The October 2012 Senior Loan Officer Opinion Survey on Bank Lending Practices [Електронний ресурс] // Federal Reserve: [сайт]. – Режим доступу: http:// http://www.federalreserve.gov/boarddocs/ SnLoanSurvey/201210/default.htm. (дата використання джерела: 20.09.2014). 5. Lown C. The Credit Cycle and the Business Cycle: New Findings Using the Loan Officer Opinion Surve / C. Lown, D. Morgan: [Електронний ресурс] -- Режим доступу: http:// http://www.newyorkfed.org/research/ economists/morgan/morgan_credit_cycle.pdf. (дата використання джере-ла: 25.09.2014). 6. Cunningham T. The Predictive Power of the Senior Loan Officer Survey: Do Lending Officers Know Anything Special? [Електронний ресурс] // Federal Reserve: [сайт]. – Режим доступу: https://www.frbatlanta.org/ research/pubs/wp/working_paper_2006-24.aspx(дата використання джере-ла: 15.09.2014). 7. Bondt D. The euro area bank lending survey matters: empirical evidence for credit and output growth / D. Bondt, А. Maddaloni [Електро-нний ресурс] // European Central Bank: [сайт]. – Режим доступу: http://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp1160.pdf (дата викорис-тання джерела: 25.09.2014). 8. Егоров А.В. Анализ и мониторинг условий банковского креди-тования / А.В. Егоров, А.С. Кармазина, Е.Н. Чекмарева // Деньги и кре-дит. – 2010. – №10. – С.16–22. 9. Моисеев С.Р. Денежно-кредитная политика: теория и практика: учеб. пособие / С.Р. Моисеев. – М.: Московская финансово-промышленная академия, 2011. – 784 с. 10. Маевский В. О некоторых особенностях функционирования денежного акселератора / В. Маевский, К. Зорин // Вопросы экономики. – 2011. – №9. – С.27–41. 11. Радева О.В. Основные подходы к применению индикаторов условий банковского кредитования в макроэкономическом моделиро-вании / О.В. Радева // Деньги и кредит. – 2012. – №10. – С.54 – 58. 12. Назаров А. Обследование изменений условий банковского кредитования [Електронний ресурс]. / А. Назаров, Д. Булова // Банкаўскi веснiк. – 2012. – №4. – Режим доступу: http://www.nbrb.by/bv/articles/ 9033.pdf (дата використання джерела: 20.09.2014). 13. Мищенко С.В. Стимулирование кредитования как фактор эко-номического роста / С.В. Мищенко // Вестник Финансового университе-та. – 2013. – №1(73). – С.35–45. 14. Cлав'янська Н.Г. Світовий досвід моніторингу умов банківсько-го кредитування / Н.Г. Cлав'янська // Фінансовий простір. – 2011. – №3. – С.72–76. 15. Обзор Центра макроэкономических исследований Сбербанка России. 12–18 сентября 2011 г. [Електронний ресурс]. – Режим доступу: http://www.sbrf.ru/common/img/uploaded/analytics/2011/ (дата викорис-тання джерела: 15.09.2014). 16. Изменения условий банковского кредитования во I квартале 2013 года [Електронний ресурс] // Банк России: [сайт]. – Режим доступу: http://www.cbr.ru/dkp/print.aspx?file=iubk/iubk_13-1.htm&pid=dkp&sid= itm_5742. (дата використання джерела: 15.09.2014). 17. Изменения условий банковского кредитования во II квартале 2012 года [Електронний ресурс] // Банк России: [сайт]. – Режим доступу: http://www.cbr.ru/dkp/print.aspx?file=iubk/iubk_12-2.htm&pid=dkp&sid=itm_5742 (дата використання джерела: 15.09.2014).. 18. Науменкова С. Розвиток кредитування у посткризових умовах / С. Науменкова, С. Міщенко // Банківська справа. – 2013. – №1. – С.3-19. Надійшла до редколегії С
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,073 | 0,023 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».