Λογιστική της εύλογης αξίας και χρηματοπιστωτική κρίση
Bibliographic record
Abstract
Η πρόσφατη χρηματοπιστωτική κρίση έχει οδηγήσει σε μια εκτενή συζήτηση σχετικά με τη Λογιστική της Εύλογης αξίας. Οι επικριτές της υποστηρίζουν ότι η λογιστική αυτή μέθοδος αποτίμησης, η οποία συχνά αποκαλείται και ΠΒ^-ίο-ΠΒ^θί, έχει συντελέσει αισθητά στην χρηματοπιστωτική κρίση, ή τουλάχιστον έχει επιδεινώσει τη σοβαρότητά της. Αναφέρουν ότι η εφαρμογή της, υποχρέωσε τους χρηματοπιστωτικούς οργανισμούς να αποτιμήσουν τα χρηματοοικονομικά περιουσιακά τους στοιχεία σε τιμές πολύ χαμηλότερες από την θεμελιώδη αξία τους, ως αποτέλεσμα της περιορισμένης ρευστότητας των αγορών, με αυτό το γεγονός να έχει αρνητικές συνέπειες στην κεφαλαιακή τους επάρκεια καθώς και στην ικανότητά τους να παρέχουν δάνεια. Οι υποστηρικτές της εύλογης αξίας ισχυρίζονται ότι όχι μόνο δεν ενίσχυσε την κρίση αλλά η εφαρμογή της παρείχε στους επενδυτές αξιόπιστη πληροφόρηση και διαφάνεια σε μια περίοδο μεγάλης αβεβαιότητας στις χρηματαγορές.\nΗ παρούσα εργασία παρουσιάζει και αναλύει τα αντικρουόμενα αυτά επιχειρήματα με μια παράλληλη κριτική επισκόπηση της βιβλιογραφίας έτσι ώστε να εξεταστεί ο ρόλος που διαδραμάτισε η λογιστική αυτή πρακτική στη διαμόρφωση της κρίσης. Στην ανάλυσή μας συμπεριλαμβάνεται επιπλέον και η εξέταση των ρυθμίσεων για την εύλογη αξία, οι οποίες τέθηκαν σε ισχύ για την αντιμετώπιση της οικονομικής αυτής αναταραχής.\nΚαταλήγουμε στο συμπέρασμα ότι τα επιχειρήματα τα οποία υποστηρίζουν την λογιστική της εύλογης αξίας για τα χρηματοπιστωτικά μέσα είναι πολύ πιο ισχυρά. Επιπλέον συμπεραίνουμε ότι η εύλογη αξία δεν
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.104 | 0.032 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".