MétaCan
Menu
Retour à la cohorte
Enregistrement W3209114383 · doi:10.3390/jrfm14110509

Managing Financial Risks while Performing International Commercial Transactions. Intertemporal Lessons from Athens in Classical Times

2021· article· en· W3209114383 sur OpenAlexvenueno aff
Emmanouil M. L. Economou, Νikolaos Kyriazis

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClassical Antiquity Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurrencyState (computer science)Quality (philosophy)EconomicsFinancial transactionBusinessFinanceMonetary economicsDatabase transactionComputer science

Résumé

récupéré en direct d'OpenAlex

In this paper, we mainly focus on two institutional aspects that are related to financial risk, that is, profiteering and the use of non-fraudulent coins when performing financial transactions. We argue that these two prerequisites were important for the success of the commercially oriented economy of the Athenian state in comparison with its allies in the East Mediterranean during the classical period. In particular, we briefly explain the structure of the Athenian economy, and then we focus on the agoranomoi and the dokimastai, the two main financial institutions related to (i) measures against profiteering and (ii) ensuring the purity of the currency when performing commercial transactions. Then, following a game theoretical approach, we provide a fictional example as to how the two institutions functioned in practice. Our findings confirm that these institutions were crucial in reducing financial risk when performing international commercial transactions, since they provided symmetrical information on the quality and purity of the currencies circulating in the Athenian economy. In the case of the Athenian state, we further convey that measures against profiteering and the use of unadulterated currency comprise intertemporal axioms, in the sense that their importance is not merely a phenomenon of modern times, but rather, on the contrary, one that dates back to much earlier times.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil0,788

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 Opus0,041
Tête enseignante GPT0,316
Écart entre enseignants0,276 · 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'étudeAutre devis
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetClassical Antiquity StudiesTravaux en français237 207