MétaCan
Menu
Retour à la cohorte
Enregistrement W4247444421 · doi:10.1111/1468-0319.12308

The great rotation in global credit risks

2017· article· en· W4247444421 sur OpenAlexaboutno aff

Notice bibliographique

RevueEconomic Outlook · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDebtEmerging marketsDebt ratioEconomicsRenminbiInterest rateChinaDebt service coverage ratioMonetary economicsExternal debtDebt crisisAsset (computer security)BusinessFinancial systemFinanceExchange rate

Résumé

récupéré en direct d'OpenAlex

▀ The pattern of global credit risks looks very different today than in 2007. Risks are now mostly centred in China and emerging markets. “Excess” private debt in China is as high as $3 trillion compared with $1.7 trillion in the US a decade ago. Yet some pockets of significant risk still exist in advanced economies, which not only implies vulnerability to rising interest rates, but also that the scope for rate rises may be limited. ▀ With policy normalisation underway in the US and the scaling back of asset purchases expected to start soon in the Eurozone, we focus on assessing vulnerabilities across global credit markets. This article explores the topic using a top‐down, cross‐country approach. We find that although private debt and debt service ratios look more benign in advanced economies than a decade ago, they have deteriorated markedly in many emerging markets in recent years. ▀ Based on a measure of excess private debt – comparing private credit‐to‐GDP ratios with their trend – China, Hong Kong and Canada are the riskiest. When comparing debt service ratios relative to their long‐term averages, risks are also mainly concentrated in emerging countries. But Canada, Australia and some smaller European countries also have high debt service ratios that have failed to drop since 2007, despite the slump in global interest rates. ▀ Overall, aggregate private debt indicators look less worrying than in 2007. We would also argue that the concentration of excess private debt levels in China reduces the risk of a sudden financial crisis based on massive credit losses, such as the one in 2007–2010. But with corporate debt levels in the US, Canada and some other G7 countries above their long‐term trend, investors need to be attentive to these considerable pockets of risk.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,005
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,040
Tête enseignante GPT0,266
Écart entre enseignants0,226 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic OutlookMême sujetInsurance and Financial Risk ManagementTravaux en français237 207