MétaCan
Menu
Retour à la cohorte
Enregistrement W2914988178

EDB Macroreview, July 2016. EAEU COUNTRIES GROWTH AFTER ADAPTATION

2016· preprint· en· W2914988178 sur OpenAlexaboutno aff
Yaroslav Lissovolik, Alexey Kuznetsov, Aigul Berdigulova

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2016
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueEconomic and Technological Developments in Russia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsPaceExchange rateInflation (cosmology)International economicsSlowdownQuarter (Canadian coin)Economic slowdownMonetary economicsGeographyEconomic growth
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The prolonged search for the “low point” has not yet given us grounds to conclude unambiguously that it is inevitable the EAEU economies will recover soon. However, indicators for the first half of 2016 continue to indicate that the economies are gradually adapting to the shocks that have taken place in the last few years. Negative trends in the economies of EAEU countries, which strengthened amid a fall in commodity prices, have somewhat weakened. The economies started to show an improvement in macroeconomic indicators in the first half of 2016. The volume of migrant remittances from Russia began to decline sharply in Q4 2014 amid a significant fall in economic activity in the region; however, the pace of the decline started to slow down a year later. The year on-year fall in remittances from Russia to other EAEU countries in Q4 2015 exceeded 30%, but the rate of the quarter-on-quarter fall was the lowest in a year. The stabilization of the exchange rates of the national currencies of EAEU countries, and the stabilization of economic dynamics in the region, will contribute to a further slowdown in the fall in remittances. The external environment will improve through: a decline in the volatility of the world’s financial markets; a fall in capital outflows; and a rise in exports. This will contribute to the stabilization of the exchange rates of national currencies in the region. In turn, this will be a significant factor leading to a further slowdown in inflation and a decline in inflation expectations in EAEU countries. Due to inflationary pressure falling, the central banks of EAEU countries kept unchanged or reduced their base lending rates in the first half of 2016. However, we expect price and exchange rate stabilization in Q2 2016 amid low economic activity to lead to a further softening of the monetary conditions. The impressive slowdown in inflation in EAEU countries will perhaps be one of the surprises of 2016. We forecast the EAEU countries’ inflation to slow from 12.8% to 6.3%. The reduction of the key interest rates may have a positive effect on lending growth, which could provide impetus to a recovery in both investment and household consumption. As for the medium term, we forecast a recovery in GDP1 in EAEU countries from -3.1% in 2015 to -0.9% in 2016 and to a positive growth rate of 0.8% in 2017. Therefore despite 2016’s uneasy start, the first half of the year provides grounds for cautious optimism about the prospect of a recovery in economic growth and trade.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,166
Score d'incertitude au seuil0,556

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1660,110

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 GPT0,330
Écart entre enseignants0,293 · 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'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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetEconomic and Technological Developments in RussiaTravaux en français237 207