MétaCan
Menu
Retour à la cohorte
Enregistrement W3195434352 · doi:10.32479/ijeep.11575

FINANCIAL STABILITY OF ELECTRICITY COMPANIES IN THE CONTEXT OF THE MACROECONOMIC INSTABILITY AND THE COVID-19 PANDEMIC

2021· article· en· W3195434352 sur OpenAlexaboutno aff
Oksana Savchina, Dmitriy A. Pavlinov, Olga V. Savchina

Notice bibliographique

RevueInternational Journal of Energy Economics and Policy · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Industrial Development
Établissements canadiensnon disponible
Organismes subventionnairesRUDN University
Mots-clésElectricityElectricity marketContext (archaeology)Mains electricityBusinessEconomicsEconomic stabilityChinaFinanceEconomyMacroeconomicsGeographyPower (physics)

Résumé

récupéré en direct d'OpenAlex

The electricity sector is an important part of any country's economy as it holds a cross-sectoral importance and produces a socially significant product for residents and industries. Economically, the sector is less vulnerable during world crises, receiving many variations of the state support. Both world electricity consumption and electricity generation have grown steadily over 2007-2019, with China, USA, India, Russia, Japan, Canada, South Korea, Germany, Brazil and France being world market leaders. This article analyzes the current state and the main trends of the development of the electricity industry as a whole and the financial stability of its companies. The United States and Russia, with similar functioning market models, were chosen to assess. The analysis of the financial stability of PJSC Inter RAO and Exelon Corp, two electricity giants in Russia and in the United States, has shown that they demonstrate stable results: Exelon Corp is more profitable while PJSC Inter RAO is less dependent on financing from creditors. Overall, electricity companies and the industry as a whole should not suffer much from the COVID-19 pandemic: many financial support measures have been developed in both countries, helping the sector to recover to 2019 levels by 2021.Keywords: energy sector, electricity industry, economic and financial crisis, coronavirus pandemic (COVID-19), low-carbon economy, financial stability.JEL Classifications: G30, L94, Q43, Q48DOI: https://doi.org/10.32479/ijeep.11575

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,052
Tête enseignante GPT0,263
Écart entre enseignants0,211 · 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'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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy Economics and PolicyMême sujetEconomic and Industrial DevelopmentTravaux en français237 207