MétaCan
Menu
Retour à la cohorte
Enregistrement W2953449394 · doi:10.5539/ijsp.v8n4p68

International Co-movements and Business Cycles Synchronization Among Advanced Economies: A SPBVAR Evidence

2019· article· en· W2953449394 sur OpenAlexvenueno aff
Antonio Pacifico

Notice bibliographique

RevueInternational Journal of Statistics and Probability · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsBusiness cycleConsolidation (business)SolvencyRecessionEmerging marketsDynamic stochastic general equilibriumExternalityMacroeconomicsOrder (exchange)Monetary economicsMonetary policyFinanceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This paper provides new empirical insights in order to give a relevant contribution to the more recent literature on international transmission of shocks and on business cycles synchronization across developed economies, with a particular emphasis in the most recent recession and post-crisis consolidation. Interdependence, commonality and heterogeneity in macroeconomic-financial linkages are also identified in order to depict the perplexed nature of modern economies. A time-varying Structural Panel Bayesian Vector Autoregression (SPBVAR) model is developed to deal with model misspecification and unobserved heterogeneity problems when studying multicountry dynamic panels. The results argue for significant synchronization behind a relevant consolidation without delay. Additionally, consolidation is needed to underpin confidence in fiscal solvency at the country level and prevent adverse international externalities. My evidence calls for more integrated macroprudential and financial stability policies. It also shows that, when formulating policies or forecasting, additional transmission channels and economic-institutional issues through which fiscal contractions influence the dynamics of the GDP growth need to be accounted for in muticountry setups.

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 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 enseignants0,026
Score d'incertitude au seuil0,470

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,267
Écart entre enseignants0,248 · 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.

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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics and ProbabilityMême sujetGlobal Financial Crisis and PoliciesTravaux en français237 207