The Relative Benefits and Risks of Stablecoins as a Means of Payment: A Case Study Perspective
Notice bibliographique
Résumé
Our paper contributes to the discussion about the utility of stablecoins for retail payments through an objective, evidence-based approach that compares stablecoins with traditional retail payment methods. The paper also provides insights that could be useful in the design of central bank digital currencies. We identify the potential benefits, risks and costs of stablecoin arrangements used for retail payments relative to traditional retail payment methods. We select three real-world examples for comparison: (i) a Mastercard credit card payment through a traditional bank; (ii) a Unified Payments Interface fast payment through Paytm (a technology-enabled payments company regulated as a limited-purpose bank); and (iii) a stablecoin retail transaction using USD Coin and a BitPay wallet. We find that certain stablecoin arrangements offer end users greater control of their privacy, facilitate more rapid innovation and have the potential to increase transaction speeds, particularly for cross-border payments. At the same time, stablecoins may provide less consumer protection for fraud, present higher risks to the payment system and to efforts to combat financial crime (partly because of the more nascent regulatory framework), and be costlier relative to traditional payment arrangements. Our findings suggest that stablecoin arrangements do not currently serve as substitutes for the suite of traditional payment arrangements but instead address niche use cases or user segments that value their benefits and can accept their risks or costs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».