Identifying the nexus between financial stability and economic growth: the role of stability indicators
Notice bibliographique
Résumé
Purpose This study aims to examine the interrelationship between financial stability and economic growth with a comprehensive analysis. Design/methodology/approach The panel Granger causality testing approach is carried out to the panels of the Fragile Five (F5) and the Group of Seven (G7) countries for the period 1998–2020. To capture the different aspects of financial stability the authors use eight different indicators. Findings The findings reveal some important implications: the relationship between financial stability and economic growth is sensitive to the financial stability indicators for both the F5 and G7 countries. The stability indicators related to the credit market contain much more causality relationship with economic growth than the indicators related to the stock market. Z-score and provisions to nonperforming loans (NPLs) are among the two variables with the highest causality relationship with economic growth. The least number of causality link is found for the Regulatory Capital Ratio and Stock Price Volatility in F5 countries and Credit Ratio, NPLs and Stock Price Volatility in G7 countries. Economic growth affects financial stability through credit market stability indicators and mostly for the F5 countries. No causal relationship is found for any of the financial stability indicators of Canada, the UK and the USA from economic growth to financial stability. Originality/value Since the linkages between financial stability and economic growth may vary due to country/group specific differences, apart from the previous studies, the authors select two different groups of countries in terms of financial stability and economic size.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».