MétaCan
Menu
Retour à la cohorte
Enregistrement W3003109072

Identifying Countries at Risk of Fiscal Crisis: High-Debt Developed Countries

2019· preprint· en· W3003109072 sur OpenAlexaboutno aff
Betty C. Daniel, Christos Shiamptanis

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2019
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policies and Political Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFiscal spaceEconomicsDebtMonetary economicsDebt crisisDebt ratioFiscal policyFiscal adjustmentValue (mathematics)External debtInternal debtMacroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

How large can debt get before triggering a crisis? Since debt is the expected present value of future primary surpluses, the answer depends on a country’s technical and political ability to raise future primary surpluses. However, countries do not raise the primary surplus to its peak and maintain the peak forever, the assumption implicit in the standard practice of setting maximum debt at the present value of the peak surplus. We estimate fiscal feedback rules for seven high-debt developed countries and find an increase in debt creates a sustained increase in the primary surplus, with the primary surplus reaching a peak in the future. Therefore, our implied debt limit is much lower than the standard measure. We estimate debt limits following the global financial crisis in 2008 and find substantial heterogeneity. We separate countries into risk categories based on fiscal space. Greece and Portugal eroded their fiscal space several years, prior to their fiscal crises, placing them in the highest risk category and predicting the crises that followed. Canada and Belgium maintained large enough fiscal space to achieve safe status. Other countries reduced fiscal space, with France and Spain eroding fiscal space in 2014, warning of future crises.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,298
Écart entre enseignants0,256 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetFiscal Policies and Political EconomyTravaux en français237 207