MétaCan
Menu
Retour à la cohorte
Enregistrement W3171910175 · doi:10.30525/978-9934-26-064-3-36

ACTUAL PROBLEMS OF FORMATION FINANCIAL MARKET MEGA-REGULATOR

2021· article· en· W3171910175 sur OpenAlexaboutno aff
Muslum Mursalov

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEconomic and Technological Developments in Russia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Financial crisisFinancial marketRegulatorRelevance (law)GlobalizationFinancial regulationMega-EconomicsFinancial integrationFinancial institutionBusinessMarket economyFinancePolitical scienceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Since February 2016, the financial sector of Azerbaijan, due to the emergence of a single mega-regulator, began to work in a new reality.This event was controversial, and discussions were held on the creation of a mega-regulator.Moreover, practically from the very first steps of its existence, this institution faced unexpected challenges associated with a new wave of the economic crisis and price instability of the global energy market.In the current conditions, an in-depth analysis of mega-regulation is of particular relevance.The modern period is characterized by a dynamic change in the financial markets.In the context of globalization, any imbalance in any sector of this market can cause unforeseen difficulties, including economic collapse.In this regard, financial markets feel an urgent need for an effective model of regulation and supervision.In many states, this leads to active reforms in the respective systems.In world practice, depending on the goals and objects of regulation, there are four models of integration of financial regulation and supervision: Consolidated model: one mega-regulator; full integration, i.e. the state gives one body the powers of microprudential regulation and supervision of all types of financial institutions and financial markets (Canada, Germany, Denmark, Russia, Azerbaijan). "Twin peaks" model: two bodies with different goals; partial sectoral integration, i.e. each body is responsible for at least two types

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,787
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0040,000

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 Opus0,021
Tête enseignante GPT0,251
Écart entre enseignants0,231 · 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.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEconomic and Technological Developments in RussiaTravaux en français237 207