Notice bibliographique
Résumé
Until macroeconomic theory rebuffs the nature of finance, which is leverage (debt claims and credit instruments above current GDP output), shadow-banking will continue to lure capital into the financial sector, lower institutional banking interest rates, and de-incentivize commercial lending from the real sector, even at competitive risk-adjusted rates. This institutionalized misallocation of credit undermines the tidy neoclassical “circular flow” apparatus where savings and earnings are allegedly pooled and then recycled through financial intermediaries into dynamic investment.Despite the mathematical complexity of DSGE models, the last financial crisis and its aftermath exposed the models’ inadequacy for forecasting or even fully capturing economic reality. With no dynamic function for money, incorporating credit into the theoretical mindset of mainstream economics, including both neoliberal and (Post)-Keynesian traditions, has proven as yet unattainable. Holding fast to a (barter-like) Walrasian worldview, wherein the neutrality of money in the long-run, has meant debt does not exist and credit aggregates are not considered due to an a-historical mis-conceptualization of money/credit. As long as money, credit and debt are not accorded special roles, a bloated financial sector may well contribute to the suboptimal allocation of talents. This Article shows how by design, DSGE models do not recognize either credit’s beneficent growth properties, or credit’s aptitude to precipitate crisis by augmenting, largely non-GDP financial income, while in the long-run simultaneously reducing earned income (GDP recognized).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».