MétaCan
Menu
Retour à la cohorte
Enregistrement W4396777011 · doi:10.26618/ojip.v13i3.11397

Trade finance evolution: a comparative study of regulatory reforms in factoring policies for SMEs in India and China

2023· article· en· W4396777011 sur OpenAlexaff
Amit Kumar Kashyap, Simran Lunagariya

Notice bibliographique

RevueOtoritas Jurnal Ilmu Pemerintahan · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFactoringChinaTrade financeBusinessInternational tradeFinancial systemEconomicsFinancePolitical scienceMacroeconomicsPublic finance

Résumé

récupéré en direct d'OpenAlex

This paper evaluates the effectiveness of the Factoring Regulation (Amendment) Bill 2021 in stabilizing the economic situation of micro, small, and medium-sized enterprises (MSMEs) in India using doctrinal research methods and comparative study. It compared the factoring regulations of India and China. The authors analyse the ramifications of the recent amendments to the Factoring law via a comprehensive literature review, legal frameworks, and comparative analysis of India and China. This study seeks to cast light on the potential of the Factoring Law in addressing the financial challenges encountered by SMEs in India. The findings provide policymakers, stakeholders, and researchers with vital insights into the regulatory framework's effectiveness and potential improvement areas. The research concluded that factoring is an important worldwide trade financing tool for economic development and financial inclusion since it promotes entrepreneurship, private enterprise, and supply chain finance. In order to raise its standing, India may consider adopting features from the Chinese Civil Code, setting regulations for factoring rights transfer, and prioritising creditor interests.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,071
Tête enseignante GPT0,273
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOtoritas Jurnal Ilmu PemerintahanMême sujetGlobal trade and economicsTravaux en français237 207