Regulating the use of Crypto-assets as collateral in secured transactions: U.S and Canadian Perspectives
Notice bibliographique
Résumé
The thesis is focused on regulating the use of crypto-assets as collateral in secured transactions. The ability of a debtor to receive a loan from a lender in exchange for its collateral is a vital part of global commercial activity. Crypto-assets are a relatively new asset class introduced with the term “cryptocurrency” in the Bitcoin Whitepaper released by Satoshi Nakamoto in 2008. Since the invention of crypto-assets, many regulatory efforts have been made to govern the use of crypto-assets by different countries including Canada. These regulatory efforts have led to policies on crypto-assets in several contexts such as taxation and their use in financial crimes. That crypto-assets use in secured transactions has yet to be expressly regulated in Canada has led to speculation on how the current personal property security law in Canada applies to crypto-assets. An examination of the current personal property security law in Canada reveals that, under existing law, it is difficult to acquire a reliable and effective security interest in crypto-assets. This thesis, therefore, identifies the current issues hampering the appropriate regulation of crypto-assets under Canadian secured transaction law, evaluates the consistency of the relevant laws with guiding secured transaction values such as facility and certainty, and recommends possible solutions to the current issues. The issues include the failure to expressly categorize crypto-assets as a form of personal property, the lack of suitable modes of perfecting security interests in crypto-assets, and the non-negotiability of crypto-assets. The analysis and recommendations made in this thesis are intended to bring the issues with crypto-related secured transactions to light so that they may be considered and addressed by lawmakers in Canada. The recommendations in this thesis will also be of interest to jurisdictions with similar secured transaction regulatory frameworks, which are considering the incorporation of crypto-assets into their secured transactions legislation as a unique form of personal property.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».