MétaCan
Menu
Retour à la cohorte
Enregistrement W2577280070 · doi:10.1162/adev_a_00127

The Long-Run Determinants of Indian Government Bond Yields

2019· article· en· W2577280070 sur OpenAlexaff
Tanweer Akram, Anupam Das

Notice bibliographique

RevueAsian Development Review · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésBondGovernment bondYield (engineering)EconomicsGovernment (linguistics)Interest rateMonetary economicsDebtTerm (time)Government debtShort runFiscal policyMacroeconomicsFinance

Résumé

récupéré en direct d'OpenAlex

This paper investigates the long-term determinants of the nominal yields of Indian government bonds (IGBs). It examines whether John Maynard Keynes’ supposition that the short-term interest rate is the key driver of the long-term government bond yield holds over the long run, after controlling for key economic factors. It also appraises if the government fiscal variable has an adverse effect on government bond yields over the long run. The models estimated in this paper show that in India the short-term interest rate is the key driver of the long-term government bond yield over the long run. However, the government debt ratio does not have any discernible adverse effect on IGB yields over the long run. These findings will help policy makers to (i) use information on the current trend of the short-term interest rate and other key macro variables to form their long-term outlook about IGB yields, and (ii) understand the policy implications of the government's fiscal stance.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,601
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0010,003

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 Opus0,037
Tête enseignante GPT0,230
Écart entre enseignants0,193 · 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 tête enseignante, pas un consensus.

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

Citations37
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Development ReviewMême sujetMonetary Policy and Economic ImpactTravaux en français237 207