MétaCan
Menu
Retour à la cohorte
Enregistrement W4252711136 · doi:10.1111/1468-0319.12499

Soaring corporate debt is a risk to global growth

2020· article· en· W4252711136 sur OpenAlexaboutno aff

Notice bibliographique

RevueEconomic Outlook · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMonetary economicsRestructuringEconomicsDebtEmerging marketsDefaultBalance sheetDebt ratioDebt service coverage ratioBusinessFinancial systemExternal debtFinance

Résumé

récupéré en direct d'OpenAlex

▀ Corporate borrowing is accelerating as a result of the coronavirus crisis. In part, this is a healthy development as firms look to ride out a period of low or even zero sales. But it also brings potential risks to growth, especially in the longer term, including via lengthy balance sheet restructuring that hurts investment and productivity growth. ▀ In the advanced economies, we estimate the aggregate corporate debt/GDP ratio could rise as much as 10ppts in 2020, to 95% of GDP ‐ well above the 2009 peak. Debt service ratios may also rise into risky territory despite low interest rates. Risks look especially elevated in France and Canada. ▀ Evidence for both advanced and emerging economies suggests high corporate debt levels can damage growth. Highly indebted firms tend to invest less in both the near and medium terms, and some estimates suggest the rise in aggregate debt this year could cut GDP growth by up to 0.2% per year. ▀ The coronavirus crisis may also crystallise some pre‐existing risks in corporate debt. Despite government assistance, defaults by low‐rated firms have started to rise and commercial real estate prices are falling. ▀ Sectoral concentrations of risk may also be intensified and new ones created in industries hit hard by the virus like energy and consumer discretionary sectors. ▀ Emerging market corporate debt is also on the rise ‐ sharply in some cases. In some economies, this mostly reflects exchange rate effects. But negative balance sheet effects of this kind are also a risk to growth.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

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 technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,217
Écart entre enseignants0,185 · 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'étudeThéorique ou conceptuel
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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic OutlookMême sujetBanking stability, regulation, efficiencyTravaux en français237 207