MétaCan
Menu
← Retour à la cohorte
Enregistrement W2598682389

Capital Inflow Transmission of Monetary Policy to Emerging Markets

2016· preprint· en· W2598682389 sur OpenAlexaff
Adugna Olani

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2016
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMonetary economicsEconomicsPortfolioExchange rateEmerging marketsForeign direct investmentMonetary policyPortfolio investmentInternational economicsForeign-exchange reservesCapital outflowCapital (architecture)Capital flowsInflowVariance decomposition of forecast errorsMacroeconomicsCapital formationFinancial economicsEconometricsFinancial capitalMarket economyHuman capital
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, I examine the effects of advanced economies' conventional monetary policy on gross foreign direct and portfolio investment inflows to emerging economies. I use structural vector autoregressions to analyse and compare the response of each inflow category to world interest rate and emerging economies' monetary and exchange rate shocks. Gross foreign direct inflows respond slowly to shocks while gross portfolio reacts on impact. Furthermore, the reaction of foreign direct investment to the shocks is not as high. These results suggest that monetary and exchange rate policies of emerging economies influence portfolio inflows more than they impact foreign direct investment in ows. These results also imply the existence of fundamental differences in capital flow categories beyond what we know to date. I address the push and pull debate in categories capital flows by quantitatively comparing the forecast error variance decomposition. I do not find evidence of push over pull factors in either class of inflows.

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)0,006
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,293
Écart entre enseignants0,268 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetGlobal Financial Crisis and Policies→Travaux en français237 207→