MétaCan
Menu
Retour à la cohorte
Enregistrement W4248091305 · doi:10.17016/feds.2003.26

Inventory Dynamics and Business Cycles: What Has Changed?

2003· article· en· W4248091305 sur OpenAlexaff
Jonathan McCarthy, Egon Zakrajšek

Notice bibliographique

RevueFinance and Economics Discussion Series · 2003
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésInventory investmentVolatility (finance)EconomicsBusiness cycleMonetary economicsProduction (economics)Investment (military)MacroeconomicsFinancial economics

Résumé

récupéré en direct d'OpenAlex

Despite the recent patch of sluggish growth, the U.S. economy has experienced a period of remarkable stability since the mid-1980s. One popular explanation attributes the diminished variability of economic activity to information-technology-led improvements in inventory management. Our results, however, indicate that the changes in inventory dynamics since the mid-1980s played a reinforcing--rather than a leading--role in the volatility reduction. Movements in the volatility of manufacturing output over the past three decades almost entirely reflect changes in the variability of the growth contribution of sales. Although the volatility of total inventory investment has fallen, the decline occurred well before the mid-1980s and was driven by the reduced variability of materials and supplies. Our analysis does show that since the mid-1980s, inventory dynamics have played a role in stabilizing manufacturing production: Inventory "imbalances" tend to correct more rapidly, and the quicker response of inventories to monetary policy and commodity price shocks buffers production from fluctuations in sales to a greater extent. But more extensive production smoothing and faster dissolution of inventory imbalances appear to be a consequence of changes in the way industry-level sales and aggregate economic activity respond to shocks, rather than a cause of changes in macroeconomic behavior.

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)0,009
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: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,002
Communication savante0,0060,008
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,027
Tête enseignante GPT0,205
Écart entre enseignants0,178 · 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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFinance and Economics Discussion SeriesMême sujetMarket Dynamics and VolatilityTravaux en français237 207