MétaCan
Menu
← Retour à la cohorte
Enregistrement W1484091977 · doi:10.23656/25045520/32004/0110

Lending cycles in Estonia

2004· preprint· en· W1484091977 sur OpenAlexaboutno aff
Märten Kress

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2004
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusiness cycleEstonianQuarter (Canadian coin)Credit cycleInterest ratePortfolioMonetary economicsBusinessFinancial systemEconomicsIndex (typography)FinanceMacroeconomicsGeography

Résumé

récupéré en direct d'OpenAlex

The objective of this paper is to examine possible cyclical patterns in the lending behavior of Estonian commercial banks. Furthermore, the degree of cycle synchronization between the business cycle and the credit cycle and how much one cycle is behind the other in the case of Estonia is of particular interest. The paper uses data from between January 1994 and February 2004 to identify the Estonian business and credit cycles and compare their features. A Markov regime-switching technique was used in dating both business and credit cycles. Variables of interest in terms of the credit cycle include the total amount of loans provided by commercial banks, household loans, corporate loans, and the share of overdue loans in the total portfolio. Both, monthly and quarterly data was utilized to double-check the results and the business cycle was dated using the Industrial Production Index (IPI) and GDP, respectively. The share of overdue loans in the total portfolio appeared to be counter-cyclical as expected. Changes in the IPI seemed to cause changes in corporate loans with a two-quarter lag on average. Asymmetries between the credit and business cycles were found for Estonia. That is, it takes approximately five months from the beginning of an economic slowdown before corporate loans move into a contraction regime. However, it takes approximately eight months for corporate loans to recover their expansionary growth rate. Changes in household loans seemed to precede changes in economic activity by approximately one quarter.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,319
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetMonetary Policy and Economic Impact→Travaux en français237 207→