MétaCan
Menu
Retour à la cohorte
Enregistrement W3113364562 · doi:10.1051/e3sconf/202021402008

Analysis on the Obstacles for China to Become a Financial Superpower

2020· article· en· W3113364562 sur OpenAlexaff
Xiaoya Zhang

Notice bibliographique

RevueE3S Web of Conferences · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueState Capitalism and Financial Governance
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSuperpowerChinaCurrencyBusinessState (computer science)Capital (architecture)RenminbiEconomicsFinancial systemInternational tradeInternational economicsFinanceExchange ratePolitical scienceMonetary economics

Résumé

récupéré en direct d'OpenAlex

This study draws the following conclusion through the analysis method of literature review. At present, the most important factor that hinders China becoming a financial superpower is the increase of the control of capital outflow, what will weaken the trust between the capital outflow country and foreign investors, and destroy the relationship established by the country on the international platform. In addition, China’s aging population increases the huge debt increase is also the reason why it is difficult to becomes a financial superpower. This paper puts forward some remedial measures for these challenges. One way is one belt and one road initiative to reduce state control of capital and regulate the monetary system. These actions will help China compete with other developed countries as a financial superpower. There are three reasons for this conclusion. Firstly, when compared to other global superpowers like the United States and the United Kingdom, China is still lagging behind in terms of its GDP. Moreover, the state has monopolized a lot of financial decisions in the country such as capital outflows and therefore curbing economic growth. Thirdly, the State control has spilled over to the foreign exchange market and the country has been known to limit its currency lending capacity. Therefore, the internalization of their currency has halted.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil0,459

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,028
Tête enseignante GPT0,228
Écart entre enseignants0,201 · 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'étudeThéorique ou conceptuel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetState Capitalism and Financial GovernanceTravaux en français237 207