TRADE DEFICIT IN NEPAL: A REVIEW ON CURRENT TRADE DEFICIT, CAUSES AND SOLUTIONS
Notice bibliographique
Résumé
With globalization, world trade has been growing at a rapid pace. In most developing countries like Nepal, the problem of trade deficit has always been a part of the concern. The objective of this paper is to articulate the historical trend of the trade deficit in Nepal, the major imports and exports, the causes of the trade deficit, and some recommendations to solve the trade deficit. Nepal expanded its trade relationship after becoming a member of WTO on 23rd April 2004. Nepal mainly exports readymade garments, pashmina products, leather products, pulses, handicrafts, spices, medicinal herbs. The main imports are cereals, vehicles, pharmaceuticals, Mineral fuels, oils, iron & steel, plastics, gems, machinery. Major trading partners of Nepal are India, China, the USA, UAE, Canada, Indonesia, Argentina, France, Malaysia, and Ukraine. In the fiscal year 2019/20, imports decreased by 15.63%, and export increased by 0.62%. As a result, the total trade deficit decreased by 16.83%. Landlockedness, higher production cost, political instability, devaluation of currency are the factors impeding Nepal from coming out from the labyrinth of trade deficit. Fortification of the agricultural sector, focus on hydropower, improvement of infrastructures, modified trade policy, prioritization on export potential goods can solve the trade deficit. The country should strive towards specialization, strengthening the rural economy, gaining economies of scale, exploiting entrepreneurial and management skills of the labor force.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».