MétaCan
Menu
Retour à la cohorte
Enregistrement W4403132232 · doi:10.15353/rea.v15i3-4.5123

Capital Inflows and Domestic Credit Growth: Empirical Evidence from Emerging Market and Developing Economies

2023· article· en· W4403132232 sur OpenAlexvenueno aff
Kongchheng Poch, Cristopher Gan, Baiding Hu

Notice bibliographique

RevueReview of Economic Analysis · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmerging marketsEconomicsCapital marketDeveloping countryMonetary economicsCapital (architecture)Empirical evidenceInternational economicsFinancial systemMacroeconomicsFinanceEconomic growthGeography

Résumé

récupéré en direct d'OpenAlex

This study investigates the extent to which capital inflows and their composition affect domestic credit growth in emerging market and developing economies (EMDEs) and the role of institutional quality in mediating the capital inflows and domestic credit growth nexus. Using a sample of 130 EMDEs from 1991-2015, the study uses generalized method of moments to control for endogeneity issues. The study makes notable contributions to the literature and policy discourse. First, this is the first empirical studies that documents the persistence of domestic credit growth in EMDEs. Second, the study provides a granular analysis of the capital inflows – domestic credit growth nexus. Whereas gross capital inflows significantly exert a positive impact on domestic credit growth, disaggregated-level analyses showed that only foreign direct investment positively affects domestic credit growth whereas portfolio equity has a negative effect; and portfolio debt and other investment do not. Third, the study adds novel evidence that institutional quality plays a crucial role in mediating the capital inflows – domestic credit growth nexus. Fourth, this study crystallises the lens used to investigate the interactions between capital inflows and institutional quality in analysing the capital inflows – domestic credit growth nexus. Finally, the findings are helpful for designing and implementing macro-financial policy and strengthening institutions, especially in managing capital flows and financial sector.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,232
Score d'incertitude au seuil0,941

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,307
Écart entre enseignants0,250 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economic AnalysisMême sujetGlobal Financial Crisis and PoliciesTravaux en français237 207