Lessons and Consequences of the envolving 2007-?. Credit Crunch
Notice bibliographique
Résumé
We are neither economists nor academic scholars; however we are students of the markets\nhaving experienced the credit crunch on the front lines as institutional investors from a\ncountry that is neither in Europe nor is the United States (i.e. Canada). The credit crunch\nand related �Great Recession� have instilled havoc on the global economy. The crisis has\nled to a large contraction of the real economy of approximately 1% of real GDP in 2009,\nwhich could have been considerably larger without massive government sponsored stimulus\nplans. In the aftermath of every crisis there are always lessons to be learned. The main\ntakeaways from the most recent credit crunch centre on risk distortion, the flawed counterparty\nrisk offset model, excessive leverage, inherent conflicts of interest and the legacy\nof creating �too big to fail� financial institutions. As financial markets appear to have\nstepped back from the brink of destruction, we believe that there are three major consequences\nthat we are currently facing. First the global financial system will likely be irrevocably\nchanged by new regulations. Second, on the economic front, we are facing a\npost-recession period of relatively low global growth. Third, developing countries� governments\nare facing massive budget deficits and their debt/GDP levels are likely unsustainable\nand therefore requiring severe fiscal austerity programs
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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 ».