MétaCan
Menu
← Retour à la cohorte
Enregistrement W1757668890 · doi:10.3386/w16142

The Trade Performance of Asian Economies During and Following the 2008 Financial Crisis

2010· report· en· W1757668890 sur OpenAlexaff
Jing Wang, John Whalley

Notice bibliographique

RevueNational Bureau of Economic Research · 2010
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésFinancial crisisEconomicsFinancial systemBusinessInternational economicsKeynesian economics

Résumé

récupéré en direct d'OpenAlex

This paper documents and compares the trade performance of the major Asian economies both during and following the 2008 financial crisis.We consider China, India, Thailand, Malaysia, South Korea, Japan, Singapore and Chinese Taiwan.We access separate country data files giving monthly trade performance for both the import and export sides throughout the crisis.We use these to compare the size, speed and acceleration of trade compression with the onset of the crisis, and the reverse effects on recovery.We do this in aggregate and by product and bilateral trading partner.The data reported show considerable diversity of country experience.Among manufacture exporters China has seen a major decline in trade with a slow recovery, whereas Korea experienced smaller initial impact but a quick rebound.Import impacts are mildest for India and commodity exporters including Malaysia.On the import side, the falls in world oil prices impact sharply on import values.We also compare trade impacts in the 2008 financial crisis with those in the 1930s and the Asian financial crisis.In the 1930s percentage impacts on trade in the first year were similar, but of much longer duration, reducing trade volumes in the US by nearly 80% by 1933, and placing Germany close to autarchy.In the 1998 Asian crisis trade impacts were much smaller since export markets in the OECD were not affected, but negative growth impacts on affected countries were greater.

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)0,001
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 enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,151
Tête enseignante GPT0,403
Écart entre enseignants0,252 · 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

Citations7
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic Research→Même sujetGlobal Financial Crisis and Policies→Travaux en français237 207→