MétaCan
Menu
Retour à la cohorte
Enregistrement W4388906988 · doi:10.1093/cmlj/kmad025

Can GDP-linked debt be the answer to sovereign debt crises?

2023· article· en· W4388906988 sur OpenAlexaffabout
Maziar Peihani

Notice bibliographique

RevueCapital Markets Law Journal · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Regulation and Crises
Établissements canadiensUniversity of British ColumbiaLawson Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésSovereign debtDebtFinancial systemSovereigntyEconomicsPolitical scienceEconomic historyLawFinance

Résumé

récupéré en direct d'OpenAlex

The outbreak of COVID-19 has renewed interest in the familiar phenomenon of crises and cycles of distress in sovereign debt markets. Public debt, already at a perilous level before the pandemic, has since sharply increased. This is primarily the consequence of emergency expenditures undertaken by governments to protect their citizens and combat the public health crisis. According to the International Monetary Fund’s (IMF) Global Debt Database, borrowing rose by 28 per cent to comprise 256 per cent of Gross Domestic Product (GDP) in 2020, with governments accounting for half of this increase. In fact, the public debt is now at its highest level in almost six decades.1 With central banks tightening monetary policy, low debt service costs can no longer assuage concerns about the sovereign debt burden. Accordingly, defaults are expected to rise and debt restructurings are predicted to become more frequent. To date, post-COVID initiatives in the sovereign debt space have mostly focused on emergency-level solutions.2 The core response to the crisis, the G20 Debt Service Suspension Initiative (DSSI), has allowed a group of Lower Income Countries (LICs) to apply for a temporary deferral of debt payments to creditor countries.3 In parallel with this, the IMF also sought to alleviate the pandemic’s impact on struggling economies by granting short-term debt relief and providing emergency liquidity assistance, particularly through new allocations of Special Drawing Rights (SDRs).4 Beyond these immediate solutions, the pandemic has also catalysed an array of reform proposals ranging from improved transparency of sovereign debt statistics to multilateral debt buyback programmes and changes in major governing laws of sovereign debt transactions.5 Among these suggestions has been the issuance of state-contingent debt, ie debt instruments linked to external variables such as exports, commodity prices and GDP. Researchers at the US Federal Reserve Banks, for example, propose GDP-linked bonds as a way to reduce defaults and help debtors return to viability and growth.6 In a similar fashion, a recent IMF staff paper has posited that the uncertainty following COVID-19 presents an opportunity to explore GDP-linked bonds, with payments adjusted to the borrower country’s economic upsides and downsides.7 Griffith-Jones and Sharma offer a simple example of how such an instrument would work. Assume a country with a trend growth rate of 3 per cent per year can borrow on the market—and on a plain vanilla bond—at 7 per cent interest a year.8 Instead of borrowing money on plain vanilla terms, the country can instead issue bonds that promise 1 per cent above or below 7 per cent for every year that the economy’s growth rate goes beyond or falls short of 3 per cent.9

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)0,002
score de la tête « metaresearch » (Gemma)0,023
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0050,005
Science ouverte0,0000,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 GPT0,240
Écart entre enseignants0,208 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCapital Markets Law JournalMême sujetGlobal Financial Regulation and CrisesTravaux en français237 207