The sectoral trade losses from financial crises
Notice bibliographique
Résumé
Abstract The “Great Trade Collapse” triggered by the 2008-2009 crisis calls for a careful assessment of the trade losses from financial crises. We adopt a more detailed perspective by looking at the response of different types of trade (i.e. consumption, intermediate, capital goods, and business services) following various types of financial crises (i.e. debt, banking, and currency crises) in 41 emerging markets. Estimations performed in the 1980-2019 period using a combination of impact assessment and local projections to capture a causal dynamic effect running from financial crises to the trade activity show that the collapse of total trade is long-lasting and mainly driven by the fall of intermediate goods and to some extent capital goods, while trade in consumption goods and business services is more resilient to crises. Therefore, financial crises could lead to considerable disruption of global value chains, as observed during the Global Financial Crisis (GFC), and easily spill over from one country to another through trade linkages. The examination of heterogeneity reveals that total and sectoral trade is more severely impacted in countries with a lower share of manufacturing exports, less diversified exported products, and trading partners, with lower demand from trading partners and when associated with a deterioration of the domestic and external financial conditions and sudden stops. By contributing to the understanding of the trade effects of financial crises, our analysis provides insightful support for the design and implementation of policies aimed at coping with these effects.
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 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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 tête enseignante, 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 ».