内容
2024
-
60-00 央行统计沟通:开启下一层 在: 中央银行统计沟通 通过 路易斯·德·卡瓦利奥·坎波斯(Luís de Carvalho Campos)、利吉亚·玛丽亚·努恩斯(Lígia Maria Nunes)、马法尔达·索萨·特里科奥(Mafalda Sousa Trincáo)和布鲁诺·蒂索 -
60-01 介绍性发言-央行统计信息交流:开启下一个层次 在: 中央银行统计沟通 通过 安娜·保拉·塞拉 -
60-02年 国际金融公司主席致闭幕词——关于中央银行统计数据的沟通:开启下一个层次 在: 中央银行统计沟通 通过 加西亚 -
60-03 使统计更容易理解的三个目标 在: 关于央行统计数据的沟通 通过 邱明飞 -
60-04 以色列银行-统计通信职能 在: 中央银行统计沟通 通过 哈达尔·戈茨曼 -
60-05 发展丹麦国家银行的统计通信功能 在: 中央银行统计沟通 通过 Rasmus Kofoed Mandsberg和Lars Risbjerg -
60-06 我们一起做得更好:一个多学科团队如何开启葡萄牙银行的统计通信功能 在: 中央银行统计沟通 通过 利贾·玛丽亚·努恩斯 -
60-07 统计通信生态系统 在: 中央银行统计沟通 通过 马提亚斯·伦普夫 -
60-08 一刀切:目标很重要 在: 中央银行统计沟通 通过 沙希德·侯赛因·贾维德 -
60-09 帮助用户用数据思考:加拿大银行的统计交流 在: 关于央行统计数据的沟通 通过 安德鲁·杰拉蒂 -
60-10 阿尔巴尼亚银行沟通方法和金融素养简介 在: 中央银行统计沟通 通过 Argita Frashöri和Elona Dushku -
60-11 如何为目标受众量身定制信息资源-从研究数据中心吸取的经验教训 在: 中央银行统计沟通 通过 詹尼克·布拉施克 -
60-12 StatFlix:葡萄牙银行原创系列 在: 中央银行统计沟通 通过 马法尔达·索萨·特里诺 -
60-13 新渠道、新方法、新数据格式 在: 中央银行统计沟通 通过 费尔南多·莱莫斯 -
60-14 进一步了解荷兰抵押贷款债务数据 在: 中央银行统计沟通 通过 伊娃·哈根多恩和蒂姆·赫塞沃特 -
60-15 基于联合分布的二元扇形图构造 在: 中央银行统计沟通 通过 普尼玛·肖 -
60-16 解开中央银行时代社交媒体的去向 在: 中央银行统计沟通 通过 路易斯·德·卡瓦略·坎波斯 -
60-17 创新意大利银行的统计通信 在: 中央银行统计沟通 通过 劳拉·巴蒂洛罗 -
60-18 BIS数据门户项目——为BIS统计提供下一代平台 在: 中央银行统计沟通 通过 爱德华·兰姆和泰金公园 -
60-19 欧洲央行数据门户网站-在快速数字世界中提供统计数据 在: 中央银行统计沟通 通过 卡拉·巴克·西蒙和胡安·阿尔贝托·桑切斯·埃尔南德斯 -
60-20 交互式经济指标 在: 中央银行统计沟通 通过 比亚尼·哥斯拉森 -
60-21 2021年英格兰和威尔士人口普查的灵活传播软件 在: 关于央行统计数据的沟通 通过 迈克·汤普森
2023
-
58-00 大流行后央行统计的新常态 在: 央行统计数据的产后前景 通过 塞拉·贾汉吉尔-阿卜杜勒拉赫曼和布鲁诺·蒂索特 -
58-01 衡量过去,更好地理解现在,描绘未来:央行历史货币和金融统计网络 在: 央行统计数据的产后前景 通过 克劳迪奥·博里奥 -
58-02年 美国财富不平等与新冠肺炎:来自分配金融账户的证据 在: 央行统计数据的产后前景 通过 Mike Batty、Ella Deeken、Elizabeth Holmquist和Alice Henriques Volz -
58-03 大流行后时期的部门财务状况和债务水平 在: 央行统计数据的产后前景 通过 艾哈迈特·塔亚尔·菲拉特 -
58-04 新冠肺炎危机——以色列经济的新快速数据,并向所有人开放 在: 央行统计数据的产后前景 通过 丹尼尔·罗森曼 -
58-05 新冠肺炎疫情下央行干预不良贷款的影响——英国和巴西的研究案例 在: 央行统计数据的产后前景 通过 弗雷德里科·巴罗斯·迪尼兹和保罗·维埃拉·科斯塔 -
58-06 大流行对蒂尔基耶中央银行实际部门数据库的影响及大流行后的调整 在: 央行统计数据的产后前景 通过 Merve Artman&Is smail Onur Yílmaz&Fatih Yalçcon n Mete&Mustafa Tanyer -
58-07 国际颗粒数据统计处理经验交流网(INEXDA)工作最新情况 在: 央行统计数据的疫情后形势 通过 Stefan Bender、Jannick Blaschke和Christian Hirsch -
58-08 在可信的研究环境中共享研究人员生成的代码和增值文档 在: 央行统计数据的产后前景 通过 路易丝·科尔蒂和汉娜·霍奇·沃勒 -
58-09 敏感时间序列微数据中分类变量和数值变量的联合二级匿名化-BELab数据实验室发布的敏感微数据集统计披露控制的新方法 在: 央行统计数据的产后前景 通过 Eugenia Koblents和Alberto Lorenzo Megia -
58-10 使用自主开发的工具介绍和应用SDC规则 在: 央行统计数据的产后前景 通过 Jannick Blaschke&Matthias Gomolka&Christian Hirsch&Sebastian Seltmann&Harald Stahl -
58-11 国籍与居住方法:衡量跨国公司生产结构对公司财务报表统计的影响 在: 央行统计数据的产后前景 通过 克劳斯·郭士纳(Klaus Gerstner)、苏珊娜·沃尔特(Susanne Walter)、哈维尔·冈萨雷斯(Javier Gonzalez)、圣地亚哥·费尔南德斯·德利斯(Santiago Fernández de Lis)、玛丽亚·加西亚·里戈(Maria Garcia Riego)、弗洛里安·雷施(Florian Resch -
58-12 外部统计框架面临的挑战:如何登记跨国公司财务重组业务 在: 央行统计数据的产后前景 通过 纳迪娅·阿科托、朱塞皮娜·马洛奇和西尔维娅·萨巴蒂尼 -
58-13 公司规模能预测最终投资者的居住状态吗? 罗马尼亚外国直接投资企业的证据 在: 央行统计数据的产后前景 通过 加泰罗尼亚-佛罗伦萨-普里科普 -
58-14 谁支持欧洲外国直接投资投资者? 欧盟内部直通的新特征 在: 央行统计数据的产后前景 通过 Carles Gómez-Llabrés&Fausto Pastoris&Martin Schmitz -
58-15 卢森堡专属金融机构的类型学:来自新数据库的经验教训 在: 央行统计数据的产后前景 通过 加布里埃尔·迪·菲利波和弗雷德里克·皮雷特 -
58-16 西班牙银行开发的可持续性指标微观数据库 在: 央行统计数据的疫情后形势 通过 博尔贾·费尔南德斯·罗西略圣伊西德罗 -
58-17 构建前瞻性气候相关物理风险指标——在部门-国家层面使用私有数据进行前瞻性汇总,用于官方统计 在: 央行统计数据的产后前景 通过 莫里斯·费尔(Maurice Fehr)、埃琳娜·特里伯恩(Elena Triebskorn)和延斯·梅霍夫(Jens Mehrhoff) -
58-18 金融市场和金融统计中ESG因素的重要性 在: 央行统计数据的产后前景 通过 Patrick Slovik和Farah Azman -
58-19 西班牙信贷机构商业贷款组合中碳足迹的估算——西班牙信贷机构的实验统计数据 在: 央行统计数据的产后前景 通过 路易斯·安吉尔·马扎 -
58-20 衡量自称可持续的交易所交易基金的排放状况 在: 央行统计数据的产后前景 通过 亨德里克·克里斯蒂安·多尔(Hendrik Christian Doll)、莫里斯·费尔(Maurice Fehr)、埃西·亚辛·罗德(Ece Yalcin Roder)和加布里埃拉·阿尔维斯(Gabriela Alves Werb) -
58-21 欧元短期利率(STR)——央行统计在金融市场中的新作用——完全基于统计微观数据的金融基准 在: 央行统计数据的产后前景 通过 Ludovica Amorese、Javier Huerga和Ronald Rühmkorf -
58-22 旧的东西,新的东西:对统计生产者新常态的思考 在: 央行统计数据的产后前景 通过 利贾·玛丽亚·努恩斯 -
58-23 产品级温室气体含量-如何达到? 在: 央行统计数据的产后前景 通过 乌尔夫·冯·卡尔克勒 -
58-24 基于现金流结构的金融资产特征 在: 央行统计数据的产后前景 通过 塞莱斯蒂诺·吉隆 -
58-25 使用行政数据及时估计当地投资趋势 在: 央行统计数据的产后前景 通过 米歇尔·洛贝托 -
58至26 将媒体用作实时经济信心指标 在: 央行统计数据的产后前景 通过 胡安·巴勃罗·科娃(Juan Pablo Cova)、雨果·佩拉塔(Hugo Peralta V)和玛丽亚·德尔·皮拉尔·克鲁兹(María del Pilar Cruz N) -
58-27 使用机器学习测量宏观审慎政策可信度 在: 央行统计数据的产后前景 通过 穆罕默德·阿卜杜勒·贾巴尔(Muhammad Abdul Jabbar)、努尔西迪克·赫鲁·普拉普托诺(Nursidik Heru Praptono)、奥基里扎·维比索诺(Okiriza Wibisono)和阿尔文·安迪卡·祖伦 -
58-28 重建外国直接投资网络以寻找最终东道国经济的概率方法 在: 央行统计数据的产后前景 通过 纳迪亚·雅各托(Nadia Accoto)、瓦莱里奥·阿斯图蒂(Valerio Astuti)和科斯坦扎·加泰拉诺(Costanza Catalano) -
58-29 用户对非银行支付服务应用程序评论的情绪分析 在: 央行统计数据的产后前景 通过 穆罕默德·哈菲鲁丁(Muhammad Hafiruddin)和穆罕默德·科鲁尔·希达亚特(Mohammad Khoyrul Hidayat)、阿琳达·德维·奥克凡蒂亚(Arinda Dwi Okfantia)和努尔西迪克·赫鲁·普拉普顿(Nursidik Heru Praptono) -
58-30 统计分类中的金融科技:央行背景下的建议和暂定数字 在: 央行统计数据的产后前景 通过 乌尔夫·冯·卡尔克勒(Ulf von Kalckreuth)、诺曼·威尔逊(Norman Wilson)、塞莱斯蒂诺·吉隆(Celestino Girón)、乌尔苏拉·科昌斯卡(Urszula Kochanska)、恩佐·布提奥特(Enzo Buthiot)、扬·威基(Yann Wicky)、路易斯·安 -
58-31 在资金流账户中反映数字资产的问题 在: 央行统计数据的产后前景 通过 佐藤义子 -
58-32 数字增强的宏观经济统计手册:对方法可用性和汇编协同效应的探索 在: 央行统计数据的产后前景 通过 塞莱斯蒂诺·吉隆 -
58-33 使用机器学习测量支付系统策略可信度 在: 央行统计数据的产后前景 通过 穆罕默德·阿卜杜勒·贾巴尔(Muhammad Abdul Jabbar)、奥基里扎·维比索诺(Okiriza Wibisono)和阿尔文·安迪卡·祖伦(Alvin Andhika Zulen) -
58-34 检测数据质量不足的决策规则——统计学习技术在银行不良贷款数据中的应用 在: 央行统计数据的产后前景 通过 保罗·辛巴利(Paolo Cimbali)、马可·德莱昂纳迪斯(Marco De Leonardis)、阿莱西奥·菲尤姆(Alessio Fiume)、巴巴拉·拉甘加(Barbara La Ganga)、卢西亚娜·梅奥利(Luciana Meoli) -
58-35 实体组数据的数据质量管理:相关性和应对当前挑战的工具 在: 央行统计数据的疫情后形势 通过 布鲁诺·卡雷拉斯 -
58-36 对用于衡量印尼家庭消费的支付系统数据进行大数据分析 在: 央行统计数据的产后前景 通过 Renardi Ardiya Bimantoro、Mohammad Khoyrul Hidayat、Muhammad Abdul Jabbar和Alvin Andhika Zulen -
58-37 折减的定量分析:来自日本回购和证券借贷市场的证据 在: 央行统计数据的产后前景 通过 Kana Sasamoto和Kazuya Suzuki -
58至38 大数据如何提高旅游统计的质量? 意大利银行编制国际收支“差旅”项目的经验 在: 央行统计数据的产后前景 通过 安德烈亚·卡博尼(Andrea Carboni)、科斯坦扎·卡塔拉诺(Costanza Catalano)和克劳迪奥·多里亚(Claudio Doria) -
58-39 银行的房地产风险敞口:基于风险的风险敞口和集中度测量方法 在: 央行统计数据的产后前景 通过 Patrick Slovik和Farah Azman -
58-40 检查机构投资者持股的集中度和相似性 在: 央行统计数据的产后前景 通过 阿里尔·曼祖拉 -
58-41 保险资产粒度报告中异常检测的统计匹配 在: 央行统计数据的产后前景 通过 维托里亚·拉塞拉和埃米利亚诺·斯维齐亚 -
58-42 制作不含新鸡蛋的煎蛋:一个关于自给自足的新统计数据生成方法的故事 在: 央行统计数据的产后前景 通过 米盖尔·丰塞卡和索尼娅·莫塔 -
59-00 中央银行数据科学:应用和工具 在: 中央银行数据科学:应用和工具 通过 道格拉斯·凯雷利·戈多伊·德·阿劳霍、朱塞佩·布鲁诺、尤里·马库奇、拉斐尔·施密特和布鲁诺·蒂索 -
59-01 金融中的人工智能–quo vadis 在: 中央银行数据科学:应用和工具 通过 Joerg Osteriderer公司 -
2002年9月 在数据湖中游泳:NielsenIQ Homescan应用程序 在: 中央银行数据科学:应用和工具 通过 Minnie H Cui和Gene(Fa Gui)Jiang和Botlhale Mosweu -
59-03 实施多租户大数据平台——国际清算银行面临的挑战和采取的方法 在: 中央银行数据科学:应用和工具 通过 Hiren Jani和Anand Kannan -
59-04 现代计算平台是中央银行、金融监管机构和监管机构的关键技术 在: 中央银行数据科学:应用和工具 通过 约翰·阿什利(John Ashley)和乔森·帕彭布鲁克(Jochen Papenbrock) -
59-05 数据分析实验室——从创新到产品 在: 中央银行数据科学:应用和工具 通过 Mona Amer和Hiren Jani和Mathieu Le Cam -
59-06 研究合作的集装箱化:平台依赖经济学 在: 中央银行数据科学:应用和工具 通过 Venkat Balasubramanian&Kim P Huynh&Danielle V Handel&Anson Ho&David Jacho-Chávez&Carson Rea -
59-07 葡萄牙银行采用现代数据架构的数据中心战略 在: 中央银行数据科学:应用和工具 通过 Caio Costa、Guilherme de Sousa和Hugo Matos -
59-08 微数据实用程序:通过自动数据解析和数据结构创建进行数据加载 在: 中央银行数据科学:应用和工具 通过 马库斯·杰林豪斯 -
59-09 使用非传统兴趣点数据作为商户调查样本框架 在: 中央银行数据科学:应用和工具 通过 Angelika Welte、Joy Wu和Marcel Voia -
59-10 gingado:以经济和金融为中心的机器学习库 在: 中央银行数据科学:应用和工具 通过 道格拉斯·基亚雷利·戈多伊·德·阿劳霍(Douglas Kiarelly Godoy de Araujo) -
59-11 重要欧洲银行集团的多层动态网络 在: 中央银行的数据科学:应用程序和工具 通过 Annalaura Ianiro和Joerg Reddig -
59-12 用于数据收集、转换和分析的欧盟单分辨率板系统 在: 中央银行数据科学:应用和工具 通过 米查尔·彼得霍基(Michal Piechocki)、卡洛尔·明钦斯基(Karol Minczyn ski)和马尔塔·库钦斯卡(Marta Kuczyn-ska) -
59-13 日本国债回购市场的网络分析 在: 中央银行数据科学:应用和工具 通过 Gemma Yasufumi、Horikawa Takumi和Matsui Yujiro -
59-14 数据科学与统计:了解外商投资的网络分析 在: 中央银行数据科学:应用和工具 通过 乔·法尔科·席尔瓦、弗拉维奥·皮涅罗和博扬·斯塔夫里克 -
59-15 场外衍生品交易数据视角下的跨货币掉期市场——新冠肺炎及其后续复苏的影响 在: 中央银行数据科学:应用和工具 通过 Kazuaki Washimi和Rinto Maruyama -
59-16 波兰银行贷款活动的变化,包括非金融公司贷款组合 在: 中央银行数据科学:应用和工具 通过 阿内塔·科斯托尼亚克 -
59-17 手机货币是货币的一部分吗? 了解趋势和衡量/评估移动货币的获取和使用非传统数据源 在: 中央银行数据科学:应用和工具 通过 Kazuko Shirono&Bidisha Das&Yingjie Fan&Esha Chhabra&Hector Carcel-Villanova -
59-18 在线旅游论坛游客评论情绪分析,提升印尼旅游业 在: 中央银行数据科学:应用和工具 通过 穆罕默德·阿卜杜勒·贾巴尔(Muhammad Abdul Jabbar)、阿琳达·德维·奥克凡蒂亚(Arinda Dwi Okfantia)、安格拉尼·维贾纳蒂(Anggarini Widjanati)和阿尔文·安迪卡·祖伦 -
59-19 Mailbot–优化回答统计查询的过程 在: 中央银行数据科学:应用和工具 通过 Daphne Aurouet、Nina Blatnik、Samo Boh、Andrea Colombo、Almir Delic、Jordi Gutiérrez、Gavril Petrov和Kristine Rikova -
59-20 中央银行通信:关于通信艺术,机器能告诉我们什么? 一种尺寸不适合所有人 在: 中央银行的数据科学:应用程序和工具 通过 Joan Huang和John Simon -
59-21 新闻和银行股票:文字有预测力吗? 在: 中央银行数据科学:应用和工具 通过 瓦莱里奥·阿斯图蒂(Valerio Astuti)、朱塞佩·布鲁诺(Giuseppe Bruno)、萨宾娜·马切蒂(Sabina Marchetti)和尤里·马库奇(Juri Marcucci) -
59-22 风险管理的自然语言处理 在: 中央银行数据科学:应用和工具 通过 比扬·萨哈米 -
59胜23负 将自然语言处理技术集成到泰国银行的中央银行业务中 在: 中央银行数据科学:应用和工具 通过 Jiradett Kerdsri和Pucktada Treeratpituk -
59-24 机器学习用于衡量央行政策可信度和新闻传播 在: 中央银行的数据科学:应用程序和工具 通过 穆罕默德·阿卜杜勒·贾巴尔(Muhammad Abdul Jabbar)、奥基里扎·维比索诺(Okiriza Wibisono)、安格拉尼·维贾纳蒂(Anggarini Widjanati)和阿尔文·安迪卡·祖伦 -
59-25 经济新闻叙事检索的机器学习方法:油价不确定性案例 在: 中央银行数据科学:应用和工具 通过 唐纳德·杰伊·贝托尔福(Donald Jay Bertulfo) -
59-26 根据公司报告创建结构化可持续性数据库——用于信息检索和存储的web应用程序原型 在: 中央银行数据科学:应用和工具 通过 尤金妮娅·科布伦茨和亚历杭德罗·莫拉莱斯 -
59-27 从货币政策声明中测量基于文本的情绪——使用自然语言处理的马来西亚案例研究 在: 中央银行数据科学:应用和工具 通过 Eilyn Chong和Sui-Jade Ho -
59-28 交互式可视化工具:大型多维数据集中的离群值检测 在: 中央银行数据科学:应用和工具 通过 Christoph Leitner、Thomas Kemetmueller和Philipp Reisinger -
59-29 发现缺陷——使用power BI进行质量控制:非金融公司数据的应用 在: 中央银行数据科学:应用和工具 通过 何塞·亚历山大·内维斯(JoséAlexandre Neves)、蒂亚戈·皮尼奥·佩雷拉(Tiago Pinho Pereira)和安娜·巴巴拉·平托(Ana Bárbara Pinto) -
59-30 利用可视化的力量进行数据探索和见解交流——使用Tableau进行可视化分析 在: 中央银行数据科学:应用和工具 通过 祖奈拉·拉希德 -
59-31 以标准化格式定义业务转型规则–一个实际案例 在: 中央银行数据科学:应用和工具 通过 Daniela Arru和Giulia Oddone -
59-32 异常交叉:以可扩展的方式分离数据质量和金融稳定发展 在: 中央银行的数据科学:应用程序和工具 通过 Gemma Agostoni、Louis de Charsonville、Marco D’Errico、Cristina Leonte和Grzegorz Skzypczynski -
59-33 将可解释的监督机器学习引入统计产生系统的交互式反馈回路 在: 中央银行数据科学:应用和工具 通过 托马斯·戈特朗(Thomas Gottron)、乔治奥斯·卡内洛斯(Georgios Kanellos)、约翰内斯·米歇勒(Johannes Micheler)、何塞·马丁内斯(JoséMartínez)和卡洛斯·穆根 -
59胜34负 用于异常检测的堆叠机器学习模型:比较AnaCredit与其他银行数据集 在: 中央银行数据科学:应用和工具 通过 大卫·尼古拉·康蒂纳扎(Davide Nicola Continanza)、安德烈亚·德尔·摩纳哥(Andrea del Monaco)、马尔科·迪·卢西多(Marco di Lucido)、丹尼尔·菲戈利(Daniele Figoli)、帕斯奎尔·马达洛尼(Pasquale Maddaloni)、菲利波· -
59-35 使用低频率和高频率数据预测商业和金融周期 在: 中央银行数据科学:应用和工具 通过 阿尔贝托·阿梅里科(Alberto Americo)、弗雷德里克·赫林(Frederik Hering)和鲁克马尼·瓦蒂亚纳坦(Rukmani Vaithianathan) -
59-36 利用流动性数据预测经济活动 在: 中央银行数据科学:应用和工具 通过 Koji Takahashi&Kohei Matsumura&Yusuke Oh&Tomohiro Sugo -
59-37 从新闻文章中提取经济情绪:韩国案例 在: 中央银行数据科学:应用和工具 通过 Younghwan Lee和Beomseok Seo -
59-38 实时总结算数据的大数据分析,用于跟踪企业活动 在: 中央银行数据科学:应用和工具 通过 Mohammad Khoyrul Hidayat、Amin Endah Sulistiawati和Alvin Andhika Zulen -
59-39 宏观经济数据的深度向量自回归 在: 中央银行数据科学:应用和工具 通过 Marc Agustí和Ignacio Vidal Quadras Costa和Patrick Altmeyer -
59-40 在刺激增长过程中,流入波兰的外国直接投资的最佳金融结构应该是什么? 在: 中央银行数据科学:应用和工具 通过 阿内塔·科斯托尼亚克 -
59-41 对用于衡量印尼家庭消费的支付系统数据进行大数据分析 在: 中央银行数据科学:应用和工具 通过 穆罕默德·阿卜杜勒·贾巴尔(Muhammad Abdul Jabbar)、穆罕默德·科鲁尔·希达亚特(Mohammad Khoyrul Hidayat)和阿尔文·安迪卡·祖伦(Alvin Andhika Zulen) -
59胜42负 追踪新冠肺炎疫情期间的经济状况:高频指标的贡献 在: 中央银行数据科学:应用和工具 通过 杰罗姆·科芬特(Jéróme Coffinet)、杰恩·布里厄斯·德尔博斯(Jean-Brieux Delbos)、珍妮·诺埃尔·基恩(Jean-Noél Kien)、艾蒂安·金兹勒(Etiene Kintzler)、阿里安·莱斯特雷德(Ariane Lestrade)、米歇尔·穆利奥姆(Michel Mouliom
2022
-
56-01 可持续金融统计的进展、挑战和最新创新 在: 可持续金融统计 通过 Christian Schmieder和Bruno Tissot -
56-02 开幕词 在: 可持续金融统计 通过 弗朗索瓦·维尔罗伊·德·加尔豪伊(François Villeroy de Galhau) -
56-03 气候变化的简单经济学 在: 可持续金融统计 通过 Christian Gollier教授 -
56-04 评估和应对气候风险需要更好的数据和分类 在: 可持续金融统计 通过 路易斯·阿瓦祖·佩雷拉·达席尔瓦 -
56-05 数据需求,欧文·费希尔委员会盘点概述 在: 可持续金融统计 通过 Christian Schmieder和Elena Triebskorn -
56-06 评估中央银行和监管政策在整个亚太地区绿化金融体系方面的有效性和影响 在: 可持续金融统计 通过 Sylvain Augoyard、Adrian Fenton、Aziz Durrani和Ulrich Volz -
56-07 低碳转型、气候信息披露与企业信用风险 在: 可持续金融统计 通过 Sante Carbone&Margherita Giuzio&Sujit Kapadia&Johannes Sebastian Krämer&Ken Nyholm&Katia Vozian -
56-08 绿色货币政策:来自中国人民银行的证据 在: 可持续金融统计 通过 卡米尔·马凯尔和阿兰·内夫 -
56-09 BCCR在环境会计方面的经验和气候变化战略分析小组的进展 在: 可持续金融统计 通过 艾琳·阿尔瓦拉多·奎萨达 -
56-10 银行的综合报告如何促进可持续金融? 在: 可持续金融统计 通过 安东尼奥·科朗基罗(Antonio Colangelo)和Jean-Marc Israöl -
56-11 意大利贷款的碳含量 在: 可持续金融统计 通过 伊万·费埃拉和卢西亚诺·拉维奇 -
56-12 NGFS(金融系统绿色化网络)关于弥合数据差距和超越数据差距的进展报告 在: 可持续金融统计 通过 莱娅·格里西 -
56-13 私人金融机构对气候和自然数据的看法 在: 可持续金融统计 通过 迈克尔·雨格曼 -
56-14 中央银行可持续金融的统计数据需求 在: 可持续金融统计 通过 萨巴·古杜德 -
56-15 德国央行可持续金融数据中心 在: 可持续金融统计 通过 莫里斯·费尔(Maurice Fehr)、克莉丝汀·施利泽(Christine Schlitzer)和埃琳娜·特里布斯科恩(Elena Triebskorn) -
56-16 跟踪可持续投资:谁为谁融资? 在: 可持续金融统计 通过 弗朗西斯科·康西奥·菲格雷拉和佩德罗·席尔瓦 -
56-17 道德和绿色投资基金更有弹性吗? 在: 可持续金融统计 通过 劳拉·卡波塔(Laura Capota)、玛格丽塔·朱齐奥(Margherita Giuzio)、苏吉特·卡帕迪亚(Sujit Kapadia)和迪亚拉·萨拉科娃(Dilyara Salakhova) -
56-18 银团贷款中碳风险的定价:哪些风险被定价,为什么? 在: 可持续金融统计 通过 托尔斯滕·埃勒(Torsten Ehlers)、弗兰克·帕克(Frank Packer)和凯瑟琳·德格雷夫(Kathrin de Greiff) -
56-19 你一直想知道的关于绿色债券的一切(但不敢问) 在: 可持续金融统计 通过 达尼洛·利伯拉蒂和朱塞佩·马里内利 -
56-20 气候变化风险指标——调查趋同和估算驱动因素 在: 可持续金融统计 通过 朱莉娅·安娜·宾格勒(Julia Anna Bingler)、奇亚拉·科尔桑蒂·塞尼(Chiara Colesanti Senni)和皮埃尔·莫宁(Pierre Monnin) -
56-21 通过正式和非正式指标评估实现真正的财务可持续性 在: 可持续金融统计 通过 玛丽亚·利登·拉拉·奥尔蒂斯 -
56-22 衡量法国标签基金的发展及其对可持续经济融资的贡献 在: 可持续金融统计 通过 大卫·内夫齐 -
56-23 加速数据科学、人工智能和地理人工智能,促进中央银行和监管的可持续金融 在: 可持续金融统计 通过 约翰·阿什利(John Ashley)、乔森·帕彭布罗克(Jochen Papenbrock)和彼得·施文德纳(Peter Schwendner) -
56-24 碳成本——建立产品、企业和行业碳影响指标体系 在: 可持续金融统计 通过 乌尔夫·冯·卡尔克勒 -
56-25 文本挖掘在气候相关披露分析中的应用 在: 可持续金融统计 通过 天使伊万·莫雷诺和特蕾莎·卡米诺 -
56-26 欧元区金融市场转型与物理气候风险定价:基于文本的方法 在: 可持续金融统计 通过 乔瓦娜·布亚(Giovanna Bua)、丹尼尔·卡普(Daniel Kapp)、费德里科·拉梅拉(Federico Ramella)和拉维尼亚·罗格诺(Lavinia Rognone) -
56-27 如何使用代理和公开可用的数据来构建过渡风险、物理风险和绿色分类的指标 在: 可持续金融统计 通过 贾斯汀·迪克(Justin Dijk)、德里克·德克斯(Derek Dirks)、威利米恩·乌尔斯洛特(Willemijn Owersloot)和胡安·巴勃罗·特雷斯帕拉西奥斯·米兰达 -
56-28 数字金融、发展和气候变化 在: 可持续金融统计 通过 塞巴斯蒂安·加兰蒂和伊尔马兹·佐伊 -
57-01 中央银行中的机器学习应用:概述 在: 中央银行的机器学习 通过 道格拉斯·凯雷利·戈多伊·德·阿劳霍、朱塞佩·布鲁诺、尤里·马库奇、拉斐尔·施密特和布鲁诺·蒂索 -
57-02 开幕词 在: 中央银行的机器学习 通过 皮耶罗·西波隆 -
57-03 货币经济学与传播:新数据、新工具、新旧问题 在: 中央银行的机器学习 通过 迈克尔·麦克马洪 -
57-04 云计算研究协作:获取现金和金融服务的应用程序 在: 中央银行的机器学习 通过 Danielle V Handel&Anson T Y Ho&Kim P Huynh&David T Jacho-Chavez&Carson Rea -
57-05 分类变量和偏态分布数据集异常检测的机器学习 在: 中央银行的机器学习 通过 Matteo Accornero和Gianluca Boscariol -
57-06 一种新的基于机器学习的金融市场时间序列验证工作流 在: 中央银行的机器学习 通过 Magdalena Erdem&Taejin公园 -
57-07 数据驱动的时间序列异常值检测方法 在: 中央银行的机器学习 通过 尼古拉·贝纳蒂和亚历克西斯·莫林 -
第57页至第8页 大数据异常检测方法与工具 在: 中央银行的机器学习 通过 Shir Kamenetsky亚丹 -
57-09 官方统计中的无监督离群值检测 在: 中央银行的机器学习 通过 Nhan-Tam Nguyen公司 -
57-10 恢复俄罗斯银行其他金融机构财务报表季度指标中的遗漏 在: 中央银行的机器学习 通过 安娜·鲍里森科(Anna Borisenko)、丹尼斯·科舍列夫(Denis Koshelev)、彼得·米柳廷(Petr Milyutin)和阿里耶娃·皮鲁扎(Alieva Piruza) -
第57页至第11页 监督机器学习,用于大规模评估法律实体的机构部门 在: 中央银行的机器学习 通过 弗朗西丝卡·贝内沃罗(Francesca Benevolo)、托马斯·戈特朗(Thomas Gottron)、伊拉里亚·费博(Ilaria Febbo)和尼科尔·佩戈拉罗(NicolóPegoraro) -
57-12 非现金交易支付的数据科学机会 在: 中央银行的机器学习 通过 根据Nymand-Andersen -
第57页至第13页 使用推特数据测量通货膨胀感知 在: 中央银行的机器学习 通过 朱利安·德内斯(Julien Denes)、阿里安·莱斯特雷德(Ariane Lestrade)和卢·里查德(Lou Richardet) -
57-14 利用大数据促进欧洲中小企业国际化:BIZMAP应用 在: 中央银行的机器学习 通过 Jean-Noel Kien、Etienne Kintzler和Theo Nicolas -
57-15 变分推理在俄罗斯银行的应用 在: 中央银行的机器学习 通过 谢尔盖·塞莱兹涅夫和拉米斯·哈比布林 -
57-16 动态随机一般均衡模型的深度学习解 在: 中央银行的机器学习 通过 Mo Ashtari和Vladimir Skavysh -
57-17 利用新闻情绪进行经济预测:马来西亚案例研究 在: 中央银行的机器学习 通过 Eilyn Chong、Chiung Ching Ho、Zhong Fei Ong和Hong H Ong -
57-18 机器学习实时CPI预测 在: 中央银行的机器学习 通过 玛丽亚姆·马梅德利 -
57-19 从网络新闻中洞察就业脆弱性:印尼的案例研究 在: 中央银行的机器学习 通过 Nursidik Heru Praptono和Alvin Andhika Zulen -
57-20 利用机器学习预测外国投资者在印尼国债市场的行为和流量预测 在: 中央银行的机器学习 通过 Anggraini Widjanarti和Arinda Dwi Okfantia和Muhammad Abdul Jabbar -
57-21 使用潜在Dirichlet分配进行文本数据分析:对FOMC转录本的应用 在: 中央银行的机器学习 通过 赫克托石器-Villanova -
57-22 使用纵向目标最大似然估计估计中央银行独立性对通货膨胀的影响 在: 中央银行的机器学习 通过 菲利普·鲍曼(Philipp Baumann)、恩佐·罗西(Enzo Rossi)和迈克尔·斯科马克(Michael Schomaker) -
57-23 用于会计数据清理的人工智能应用程序 在: 中央银行的机器学习 通过 巴勃罗·吉梅内斯和特洛·塞拉诺 -
57至24 金融监管数据异常检测的机器学习 在: 中央银行的机器学习 通过 玛丽亚姆·哈吉希(Maryam Haghhii)、科林·琼斯(Colin Jones)和詹姆斯·扬克(James Younker) -
57-25 监督信函写作应用程序:加快信函起草并确保语气一致 在: 中央银行的机器学习 通过 Joshua Tan、Chi Ken Shum和Mohd Akmal Amri -
57至26 人类和机器预测之间的分歧 在: 中央银行的机器学习 通过 宫川大辅和高平新谷 -
57-27 俄罗斯公司交易数据的违约概率模型 在: 中央银行的机器学习 通过 Gleb Buzanov和Andrey Shevelev -
57-28 使用人工智能收集公司数据发现和监测德国和法国的金融科技 在: 中央银行的机器学习 通过 伊丽莎白·戴夫斯和乌尔夫·冯·卡尔克勒 -
57-29 葡萄牙中央信贷登记簿中数据质量管理异常检测的新方法 在: 中央银行的机器学习 通过 安德烈·法里亚·达科斯塔(AndréFaria da Costa)、弗朗西斯科·丰塞卡(Francisco Fonseca)和苏珊娜·莫里西奥(Susana Maurício) -
57-30 规模监测 在: 中央银行的机器学习 通过 恩里科·阿皮塞拉(Enrico Apicella)、马尔科·德埃里科(Marco D’Errico)、佩德罗·马奎斯(Pedro Marques)、安东尼奥·齐乌洛(Antonio Ciullo)和卡罗琳·尤·贝勒(Caroline U belhör) -
57-31 住宅房地产止赎销售期间传统非定量零售银行业务的减值成本及其对国家、中央和储备银行政策的影响 在: 中央银行的机器学习 通过 Emmanuel Blonkowski和James N Nicol -
57-32 基于机器学习的俄罗斯银行贷款微观数据自动数据验证和离群值控制方法 在: 中央银行的机器学习 通过 迪米特里·迪亚奇科夫 -
57-33 用人工神经网络分类支付模式:一种自动编码方法 在: 中央银行的机器学习 通过 Luis Gerardo Gage和Raúl Morales Resendiz&John Arroyo和Jeniffer Rubio&Paolo Barucca -
57-34 利用深度学习技术实现钞票缺陷自动分类 在: 中央银行的机器学习 通过 Jiradett Kerdsri和Pucktada Treeratpituk
2021
-
53-01 将微观数据纳入宏观政策决策 在: 宏观世界的微观数据 通过 Jean-Marc Israel和Bruno Tissot -
53-02 现代统计数据框架和系统的范例 在: 宏观世界的微观数据 通过 米查尔·彼得霍基 -
53-03 泰国银行数据演进时代的数据管理 在: 宏观世界的微观数据 通过 匹匹摩尔·尚桑 -
53-04 OeNB的报告数据模型作为RegTech/SupTech解决方案 在: 宏观世界的微观数据 通过 约翰内斯·特纳 -
53-05 一次收集,多次使用–新西兰储备银行的数据收集方法 在: 宏观世界的微观数据 通过 斯特菲·舒斯特和尼尔·汉弗莱斯 -
53-06 促进微数据访问的最佳实践建议:INEXDA数据访问工作组的成果 在: 宏观世界的微观数据 通过 斯特凡·本德 -
53-07 通过为微数据提供(更丰富的)上下文来增强用户知识 在: 宏观世界的微观数据 通过 克里斯蒂安·赫希 -
53-08 危机后的技能景观:“紫色人物”的出现 在: 宏观世界的微观数据 通过 路易斯·特莱斯·迪亚斯 -
53-09 分配视角下的家庭财务行为:OeNB的经验 在: 宏观世界的微观数据 通过 约翰内斯·特纳 -
53-10 将微型数据集与更好的服务决策和分析联系起来 在: 宏观世界的微观数据 通过 Jean-Marc以色列 -
53-11 基于机器学习的颗粒银行数据质量检查实验方法 在: 宏观世界的微观数据 通过 法比奥·赞布托 -
第53页至第12页 使用机器学习技术和情绪分析预测经济增长 在: 宏观世界的微观数据 通过 贝尔凯·阿基索格鲁 -
53-13 粒度数据为压力测试提供了新的机会 在: 宏观世界的微观数据 通过 Cees Ullersma和Iman van Lelyveld -
53-14 马来西亚银行体系的跨境传染风险 在: 宏观世界的微观数据 通过 Harikumara Sababathy和Lim Sheng Ling -
53-15 部门生产率分析的关键指标 在: 宏观世界的微观数据 通过 劳伦特·奥利斯拉格 -
53-16 衡量住房总财富:来自自动估价模型的新见解 在: 宏观世界的微观数据 通过 苏珊·休姆·麦金托什 -
53-17 预测和预防金融危机——我们的立场是什么? 在: 宏观世界的微观数据 通过 鲍里斯·霍夫曼 -
54-00 数据管理:国家统计系统的问题 在: 数据治理中的问题 通过 Irena Krizman和Bruno Tissot -
54-01 收集数据:新的信息源 在: 数据治理中的问题 通过 Somsajee Siksamat公司 -
54-02 收集数据:配置/定义国家统计系统(NSS) 在: 数据治理中的问题 通过 优素福·穆兰瓦 -
54-03 新的信息来源——一些道德考虑 在: 数据治理中的问题 通过 斯蒂芬·彭内克 -
54-04 当前的统计系统和未来发展的项目 在: 数据治理中的问题 通过 海拉·齐哈尔 -
54-05 新的信息来源:协调NSS和NSS以外的数据生产者 在: 数据治理中的问题 通过 扎卡里·姆旺吉 -
54-06 建立一个由官方统计领域富有创新精神和前瞻性的领导人组成的强大社区 在: 数据治理中的问题 通过 Leila Ben Ali&Nougbodohoue Samson Ben-Aube公司 -
54-07 数据治理:人员、流程和技术的交响乐团 在: 数据治理中的问题 通过 玛丽亚·多·卡莫·莫雷诺 -
54-08 对于掌握的数据革命 在: 数据治理中的问题 通过 巴巴卡尔·恩迪尔 -
54-09 BIS创新2025计划中的数据策略 在: 数据治理中的问题 通过 海伦·贾尼 -
54-10 管理数据:如何建立所需的能力 在: 数据治理中的问题 通过 菲利普·加菲西 -
54-11 新兴经济体的统计治理和外国直接投资——官方统计的作用,特别关注萨哈兰河以南非洲 在: 数据治理中的问题 通过 乌尔夫·冯·卡尔克勒