MétaCan
Menu
Retour à la cohorte
Enregistrement W3135933971 · doi:10.3390/jrfm14030129

Crisis and the Role of Money in the Real and Financial Economies—An Innovative Approach to Monetary Stimulus

2021· article· en· W3135933971 sur OpenAlexvenueno aff
Richard Simmons, Paolo Dini, Nigel Culkin, Giuseppe Littera

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesErasmus Universiteit Rotterdam
Mots-clésReal economyEconomicsMonetary policyStimulus (psychology)Monetary economicsQuantitative easingFinancial crisisFinancial acceleratorEndogenous moneyEconomyMacroeconomicsCentral bankDynamic stochastic general equilibrium

Résumé

récupéré en direct d'OpenAlex

‘Financial crisis’ is sometimes regarded as synonymous with ‘economic crisis’, but this is an oversimplification and risks missing the feedback loops between the financial and real economies. In this paper, the role of money is revisited in the context of distinguishing the real economy from the financial economy. A theoretical framework is developed to explain how endogenous (bank credit) and central bank exogenous (quantitative easing, QE) money creation feed into the real and financial economies. It looks at how the velocity of monetary circulation varies between the two economies and across asset types within the financial economy. Monetary transmission mechanisms are set into a framework that helps explain how QE stimulus risks combining asset price bubbles with poor growth in the real economy. The real economy transmission mechanism of ‘helicopter money’ is given context, enabling an assessment of the efficacy of both the QE and helicopter money policy routes. Finally, we present a new type of monetary transmission, ‘Smart Helicopter Money’, to deliver monetary stimulus to innovators, SMEs and high-growth firms via both complementary currencies and a modified form of QE in order to achieve proportionally greater impact on the real economy.

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)0,002
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: Empirique
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil0,360

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
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 Opus0,010
Tête enseignante GPT0,204
Écart entre enseignants0,194 · 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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetBanking stability, regulation, efficiencyTravaux en français237 207