The Optimal Level of Financial Growth in View of a Nonlinear Macroprudential Policy Regime Model: A Bayesian Approach
Notice bibliographique
Résumé
A panel data analysis of nonlinear financial growth dynamics in a macroprudential policy regime was conducted on a panel of 10 African emerging countries from 1985–2021, where there had been a non-prudential regime from 1985–1999 and a prudential regime from 2000–2021. The paper explored the validity of the inverted U-shape hypothesis in the prudential policy regime as well as the threshold level at which excessive finance boosts growth using the Bayesian Spatial Lag Panel Smooth Transition Regression (BSPSTR) model. The BSPSTR model was adopted due to its ability to address the problems of endogeneity and heterogeneity in a nonlinear framework. Moreover, as the transition variable often varies across time and space, the effect of the independent variables can also be time- and space-varying. The results reveal evidence of a nonlinear effect between finance and growth, where the optimal level of financial development is found to be 92% of GDP, above which financial development decreases growth. The findings confirmed the Greenwood and Jovanovic hypothesis of an inverted U-shape relationship. Macroprudential policies were found to trigger the finance–growth relationship. The policy recommendation is that the financial sector should be given adequate consideration and recognition by, for example, implementing appropriate financial reforms, developing a suitable investment portfolio, and keeping spending on technological investment in Africa’s emerging countries below the threshold. Again, caution is needed when introducing macroprudential policies at a low level of the financial system.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».