Recovery of Personal and Corporate Debts - Analysis of Selected Developed Countries in the World (preprint)
Notice bibliographique
Résumé
The financial health of a developing country depends upon financial sectors as well as the allocation of financial resources. The wellbeing of a financial sector like Banks is a matter of policy concern for a developing country like India. The COVID-19 pandemic and lockdown has mounted Non-performing Assets problem for Governments around the world. Reserve Bank of India (RBI) in its financial stability report in July had indicated that due to COVID-19 Pandemic the asset quality of Indian Banks would worsen. The major focus of the paper is to analyse legal trends in various developed countries having effective debt recovery mechanism. The World Bank report 2019, on Doing Business ranked India at 108th of 190 countries on resolving insolvency which has improved from 16th in 2017. It is also noted by World Bank that insolvency procedure takes 4 to 3 years and costs about 9 percent of the sale proceeds of debtor’s estate. The meter of insolvency index has increased from 6 in 2017 to 8.5 in 2018. An Analysis of Insolvency regime in practice in various developed countries to promote economic stability and maximization of asset value, equitable distribution of proceeds, ensure transparency and predictability, recognition of existing creditor rights and establishment of clear rules for priority of ranking. The developed countries like Australia, Canada, U.K, and USA are having less than 2 per cent of NPA ratio (2015- 2019) whereas India’s NPA ratio is more than 8 per cent. These countries are having an effective debt recovery mechanism to tackle the Non-performing Assets. Indian economy falls under top economy category but it’s NPA ratio is more.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».