Notice bibliographique
Résumé
Financial liberalization, coupled with increasing technological developments, has led to the ease of international capital flows, accelerated the circulation of information and thus enabled the integration of financial markets in different countries. This situation leads to the fact that positive or negative developments in one market affect other markets as well. This situation has led some financial indicators and credit rating agencies' ratings/reports to become more important, especially for investors. One of these is CDS (Credit Default Swap) rates. This study aims to examine the relationship between CDS rates and growth rates of G7 countries (Germany, United States, United Kingdom, France, Italy, Japan and Canada) and BRICS countries (Brazil, Russia, India, China and South Africa) classified according to their development levels. Annual data between 2008 and 2022 are used in the study. CDS (5-year USD-based bond yield) premium is used as the independent variable and GDP (Gross Domestic Product) % change is used as the dependent variable. In the analysis of the data, cross-section dependence, stationarity and homogeneity tests were conducted first. Horizontal cross-section dependence and heterogeneity were found to exist. Panel VAR and Panel Causality analyses were conducted. According to the test results, a causality relationship was found from CDS to GDP in the short and long run at the 1% significance level, while no causality relationship was found from GDP to CDS in the short and long run. As a result of the short-long run effects and causality tests, a high causality relationship was found between economic growth and CDS rates in Germany and the US among the G7 countries, while a high causality relationship was found in Russia and a lower causality relationship was found in China among the BRICS countries. As can be seen from the results, even in countries classified according to certain criteria, the relationship between CDS and economic growth does not have the same degree of impact. Further studies using different countries, different time periods and different analysis methods will contribute to the literature.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,005 |
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 ».