MétaCan
Menu
Retour à la cohorte
Enregistrement W4400990485 · doi:10.69554/ksvn7890

Can central bank digital currencies help advance financial inclusion?

2023· article· en· W4400990485 sur OpenAlexaboutno aff
Nana Yaa Boakye-Adjei, Raphael Auer, Holti Banka, Ahmed Faragallah, Jon Frost, Harish Natarajan, Jermy Prenio

Notice bibliographique

RevueJournal of payments strategy & systems · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinancial inclusionDigital currencyCentral bankFinancial systemBusinessInclusion (mineral)EconomicsFinancial servicesMonetary economicsFinanceMonetary policyPaymentPsychology

Résumé

récupéré en direct d'OpenAlex

Central banks around the world are considering how retail central bank digital currencies (CBDCs) may help to advance financial inclusion. While CBDCs are not a magic bullet, they could be a further tool to promote universal access to payments and other financial services if this goal features prominently in the design from the get-go. In particular, central banks can consider design options to: (1) promote innovation in the two-tiered financial system (eg allowing for non-bank payment service providers); (2) offer a robust and low-cost public sector technological basis (with novel interfaces and offline payments); (3) facilitate enrolment (via simplified due diligence and electronic know-your-customer processes) and data portability; and (4) foster interoperability (both domestically and across borders). Together, these features can address a range of specific barriers to financial inclusion: geographic remoteness, institutional and regulatory factors, economic and market structure issues, characteristics of vulnerability, lack of financial literacy and low trust in existing financial institutions. This paper draws on interviews with nine central banks with advanced work on CBDCs and financial inclusion — the Central Bank of the Bahamas, Bank of Canada, People’s Bank of China, Eastern Caribbean Central Bank, Bank of Ghana, Central Bank of Malaysia, Bangko Sentral ng Pilipinas, National Bank of Ukraine and Central Bank of Uruguay. It gives concrete examples from the central banks’ work and discusses challenges, risks and regulatory and legal implications. It argues that while CBDCs hold promise for furthering financial inclusion, CBDC issuance may also require new laws and regulations to be enacted, or existing laws to be revised.

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)0,015
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,009
Communication savante0,0170,019
Science ouverte0,0020,011
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,028
Tête enseignante GPT0,246
Écart entre enseignants0,218 · 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'étudeSans objet
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

Citations16
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of payments strategy & systemsMême sujetMicrofinance and Financial InclusionTravaux en français237 207