Правове регулювання обороту стейблкоїнів: досвід Канади
Bibliographic record
Abstract
Дослідження присвячене аналізу досвіду Канади у правовому регулюванні обороту стейблкоїнів. Актуальність статті пояснюється усталеною в Канаді системою правового регулювання їх обороту, що може бути проаналізована на предмет виявлення позитивного досвіду, вартого запозичення в Україні. Дослідженням виявлено, що правове регулювання обороту стейблкоїнів в Канаді здійснюється через застосування до них законодавства про цінні папери, податкового законодавства, законодавства про боротьбу з відмиванням доходів, одержаних злочинним шляхом, та фінансуванням тероризму. При цьому особливості правового регулювання стейблкоїнів у Канаді проявляються в підвищених вимогах з боку Канадських адміністраторів цінних паперів (Canadian Securities Administrators, CSA) до емітентів стейблкоїнів, на кшталт таких, що висуваються до емітентів цінних паперів, щодо зобов’язання підтримувати відповідний резерв активів у кваліфікованого зберігача, який зберігається на користь власника віртуального активу, а також зобов’язання в оприлюдненні певної інформації, зокрема про наявність резервування. Автором зроблено висновок, що корисним для України досвідом може бути запровадження в Законі України «Про віртуальні активи» зобов’язань емітенту стейблкоїну (забезпеченого віртуального активу) щодо підтримання обов’язкового резерву активів, яким віртуальні активи забезпечені (до прикладу грошових коштів на спеціальному депозитному рахунку, якщо віртуальні активи забезпечуються фіатними валютами). У статті також зроблено висновок про доцільність зобов’язати постачальників послуг, пов’язаних з оборотом віртуальних активів оприлюднювати актуальну інформацію про наявність у емітентів відповідних стейблкоїнів резервів активів, якими ці стейблкоїни забезпечені.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.040 | 0.011 |
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".