MétaCan
Menu
Retour à la cohorte
Enregistrement W2976832827 · doi:10.3386/w26311

China’s Impact on Global Financial Markets

2019· report· en· W2976832827 sur OpenAlexaff
Isha Agarwal, Grace Weishi Gu, Eswar Prasad

Notice bibliographique

RevueNational Bureau of Economic Research · 2019
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésChinaBusinessFinancial marketFinancial systemFinanceEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

We analyze shifts in the structure of China's capital outflows over the past decade.The composition of gross outflows has shifted from accumulation of foreign exchange reserves by the central bank to nonofficial outflows.Unlocking the enormous pool of domestic savings could have a significant impact on global financial markets as China continues to open up its capital account and as domestic investors look abroad for returns and diversification.We analyze in detail the allocation patterns of Chinese institutional investors (IIs), which constitute the main channel for foreign portfolio investment outflows.We find that, relative to benchmarks based on market capitalization, Chinese IIs underweight developed countries and high-tech sectors in their international portfolio allocations but overinvest in high-tech stocks in developed countries.To further examine Chinese IIs' joint decisions on destination country-sector pairs, we construct continuous measures of revealed relative comparative advantage and disadvantage in a sector for a country based on trade patterns.We find that, in their foreign portfolio allocations, Chinese IIs overweight sectors in which China has a comparative disadvantage.Moreover, Chinese IIs concentrate such investments in countries that have higher relative comparative advantage in those sectors.Diversification and information advantages related to foreign imports to China seem to influence patterns of foreign portfolio allocations, while yield-seeking and learning motives do not.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,255
Tête enseignante GPT0,488
Écart entre enseignants0,233 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetGlobal Financial Crisis and PoliciesTravaux en français237 207