MétaCan
Menu
Retour à la cohorte
Enregistrement W4405099126 · doi:10.22215/etd/2024-16341

Developing Local Currency Bond Markets: Local Currency Lending's impact on developing Government Local Currency Bond Markets

2024· dissertation· en· W4405099126 sur OpenAlexaff
Kate Lorica Baughman Eldred

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEuropean Monetary and Fiscal Policies
Établissements canadiensCarleton University
Organismes subventionnairesAfrican Development Bank Group
Mots-clésLocal currencyCurrencyDebtLeverage (statistics)BondDeveloping countryBusinessMonetary economicsFinancial systemReserve currencyExchange rateEconomicsInternational economicsBond marketForeign exchange riskFinanceEconomic growth

Résumé

récupéré en direct d'OpenAlex

The "original sin" describes when countries cannot access financing in their local currency, exposing countries to increasing debt servicing costs from their currency depreciating (Hausmann and Eichengreen 1999, 11).Local currency bond markets (LCBM) are thought to reduce exchange rate risk and increase financial stability.Multilateral development banks (MDB) have become increasingly interested in local currency lending (LCL), often with a secondary goal of helping grow LCBMs.The thesis investigates if MDB's LCL can increase a country's LCBM size.The thesis uses the synthetic control method (SCM) and case study analysis.The SCM is statistically insignificant, while the East Asia and Kenya case studies show MDBs can support developing LCBMs.However, significant growth comes from comprehensive domestic-led policies.The thesis concludes analyzing whether developing LCBMs can improve countries' financial stability, arguing that relative success is based on the size and ability of countries to leverage domestic demand for LCBMs.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,267
Écart entre enseignants0,238 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEuropean Monetary and Fiscal PoliciesTravaux en français237 207