MétaCan
Menu
Retour à la cohorte
Enregistrement W2976210180 · doi:10.15353/rea.v11i3.1687

The Transfer Problem Surfaces in Sub-Saharan Africa: Net Foreign Assets, Financial Liberalization and Real Exchange Rates

2019· article· en· W2976210180 sur OpenAlexvenueno aff
Oyakhilome Ibhagui

Notice bibliographique

RevueReview of Economic Analysis · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEndogeneityLiberalizationEconomicsExchange rateMonetary economicsInternational economicsInterest rate parityForeign exchange marketNet foreign assetsTransfer (computing)EconometricsCurrent accountMarket economy

Résumé

récupéré en direct d'OpenAlex

This paper presents new links among net foreign assets (NFA), financial liberalization, and the real exchange rates in Sub-Saharan Africa (SSA), utilizing a testable theoretical model inspired by Lane and Milesi-Ferreti (2004) and newly constructed data sets for real exchange rates, net foreign assets, and financial liberalization. First, we check for the existence of a transfer problem – the hypothesis that increases in NFA strengthen the real exchange rates. Second, we examine how real exchange rates have reacted to financial liberalization in SSA. Finally, we explore whether financial liberalization dampens the effects of a transfer problem. Empirical analysis, using cross-country data, confirms the existence of a transfer problem that decreases with increases in trade openness in SSA. We also find that, overall, countries with financial liberalization have more depreciated real exchange rates and that financial liberalization dampens the transfer problem so that the semi-elasticity of NFA becomes negative, implying that financially liberalized SSA countries that experience an increase in net external liabilities would eventually require an appreciated, rather than depreciated, real exchange rate. The results are robust to various model specifications and estimation techniques, inclusion of other determinants of real exchange rates and consideration of endogeneity.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,537
Score d'incertitude au seuil0,589

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0000,000

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 GPT0,236
Écart entre enseignants0,217 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economic AnalysisMême sujetGlobal Financial Crisis and PoliciesTravaux en français237 207