The great rotation in global credit risks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
▀ 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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
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 découle