Используя данные по итальянским фирмам с 1997 по 2015 год, мы изучаем взаимосвязь между сроком погашения долга, производительностью и характеристиками фирмы. Мы обнаружили, что производительность положительно связана с краткосрочным долгом и отрицательно связана с долгосрочным. Этот результат подтверждает гипотезу о том, что менее интенсивный мониторинг деятельности фирмы и меньшее количество опасений ликвидации, связанных с длительным сроком погашения долга, создают моральный риск, в то время как краткосрочный долг служит дисциплинарным средством для улучшения деятельности фирмы в краткосрочной перспективе. Этот эффект очевиден на малых и средних предприятиях и старых фирмах. Напротив, крупные фирмы могут использовать долгосрочное финансирование для повышения производительности за счет долгосрочных инвестиций. Фирмы повышают производительность, приобретая нематериальные активы, финансируемые за счет краткосрочного долга.

Решение о введении цифровой валюты Центрального банка (CBDC) является частью новых задач, с которыми сталкиваются центральные банки по мере развития технологий. Пилотный план электронного песо, реализованный с 2017 по 2018 г., может дать некоторые ключевые выводы для центральных банков. В этом смысле мы можем извлечь семь уроков из пилотного плана электронного песо: репутация является ключевым фактором для принятия центральными банками решения о введении CBDC; финансовая доступность и культурные причины являются основными мотивами; технологическое решение максимально простое; аспекты безопасности и отслеживаемые переводы являются центральными для проблем с операционным риском; токен был хорошим решением для внедрения CBDC; цифровые деньги использовались для небольших платежей и переводов; CBDC дополняют существующие платежные средства. Выводы подчеркивают, что выбор CBDC основан не только на технических соображениях, но и на культурных последствиях использования денег. Внедрение этого нового платежного средства будет постепенным, но необратимым.

Основываясь на обширной литературе, эта статья посвящена роли структуры международной инвестиционной позиции (IIP) в воздействии на внешнюю уязвимость стран. Используя выборку из 73 развитых и формирующихся экономик и новую базу данных о валютном составе МИП, мы обнаруживаем, что размер и структура внешних обязательств и активов, особенно в отношении номинала валюты, имеют значение для понимания давления на платежный баланс. В частности, и помимо стандартных макроэкономических факторов, выделенных в других исследованиях, более высокие уровни внешнего долга, деноминированного в иностранной валюте как в валовом, так и в чистом выражении, повышают вероятность внешнего кризиса и внезапной остановки, оказывающей значительное влияние на экономический рост. Иностранные резервные активы играют смягчающую роль, хотя и с уменьшающейся доходностью, а сочетание дисбаланса потоков и запасов усиливает внешние риски, особенно в периоды повышенного глобального неприятия риска. Результаты особенно убедительны для стран с формирующейся рыночной экономикой, где влияние дисбалансов потоков и запасов, а также несоответствий валютных курсов более велико и устойчиво по всем спецификациям.

Статистические и вычислительные методы все чаще интегрируются в системы поддержки принятия решений для оказания помощи руководству. Исследователям необходимо полностью понимать применении таких методов, чтобы делать прогнозы при использовании финансовых данных. Поэтому в данной статье представлен обзор литературы, основанный на методе, посвященный предметной области прогнозной аналитики. Исследование всесторонне охватывает модели классификации, регрессии, кластеризации, ассоциации и временных рядов. Это расширяет существующее пояснительное статистическое моделирование в области вычислительного моделирования. Изученные методы позволяют прогнозировать будущее посредством анализа финансовых временных рядов и данных поперечного сечения, которые собираются, хранятся и обрабатываются в информационных системах. Результаты таких моделей позволяют финансовым менеджерам и специалистам по надзору за рисками достигать лучших результатов. В этом обзоре различные методы прогностической аналитики в финансах объединены водной области.

Искусственный интеллект (ИИ) и машинное обучение (МО) — это важный шаг вперед для индустрии финансовых услуг. Данные инструменты улучшили многие функции, такие как кредитный скоринг, управление рисками, торговля. Мы рассмотрели основные преимущества и вызовы, связанные с использованием этих технологий в различных областях финансовой деятельности, включая банковское дело, инвестиции и страхование. В целом статья представляет обзор технологий машинного обучения и искусственного интеллекта, которые могут быть применены в финансовых услугах.

В этой записке исследуется влияние налога на доход от аренды на хозяев, использующих Airbnb в Норвегии. Мы обнаружили, что увеличение расходов, подразумеваемое налогом, не побудило хостингов покинуть платформу и не привело к повышению цен на аренду. Эти результаты подтверждают гипотезу о том, что налог применялся недостаточно эффективно, поскольку налогоплательщики самостоятельно отчитывались о своих доходах от аренды.