MétaCan
Menu
Retour à la cohorte
Enregistrement W1554100163 · doi:10.1515/9780888646897-011

10 Government Revenue Volatility in Alberta

2013· book-chapter· en· W1554100163 sur OpenAlexaffabout
Stuart Landon, Constance Smith

Notice bibliographique

RevueUniversity of Alberta Press eBooks · 2013
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésVolatility (finance)RevenueGovernment revenueEconomicsMonetary economicsGovernment (linguistics)BusinessFinancePhilosophy

Résumé

récupéré en direct d'OpenAlex

The Alberta government is heavily exposed to energy price volatility as it relies to a great extent on revenue derived from the production of oil and natural gas. Energy prices change substantially and unpredictably, causing large and uncertain movements in revenues. Adjusting to these movements typically involves economic, social and political costs. Alberta government revenues are considerably more volatile than the revenues of other provinces, but Alberta’s own-source revenues less royalty payments are of similar size and volatility as those of other provinces. Several methods to reduce the volatility of revenues are assessed. An often-suggested method, tax base diversification (for example, use of a retail sales tax), is shown to have a minor effect on overall revenue volatility since Alberta’s royalty revenues are such a large share of total own-source revenues. Revenue smoothing using futures and options markets can be expensive, is associated with significant political risks, and cannot eliminate all revenue volatility. The Canadian dollar tends to appreciate (depreciate) when energy prices rise (fall), so exchange rate movements have smoothed Alberta government revenues, although not by a large amount. A simulation using Alberta data shows that a revenue savings fund could significantly reduce revenue volatility. This type of fund leads to greater revenue stability because the revenue it contributes to the budget in any particular year is based on revenues averaged over prior years. Revenue uncertainty is also reduced with a savings fund since future revenue depends on known past contributions.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,056
Tête enseignante GPT0,184
Écart entre enseignants0,128 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations4
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Alberta Press eBooksMême sujetClimate Change Policy and EconomicsTravaux en français237 207