Does Saudi Arabia's International Competitiveness Improve Due to Sanctions Imposed on Competitors? The case of two wars
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
• The 2022 sanctions on Russian oil did not boost Saudi competitiveness. • Oil exports and extreme backwardation no longer enhance Saudi competitiveness. • Prolonged U.S. contractionary policy adversely affect Saudi competitiveness. • Sanctions might have weakened the petrodollar system and U.S. influence. • VECM models and historical decomposition are used to analyze Saudi competitiveness. In the early 1990s, Saudi Arabia ascended to the influential role of the lone swing producer in the global oil market by filling the output gap left by competitors displaced by sanctions and war (Iraq) or internal collapse (Soviet Union). Our question is whether the Kingdom similarly benefitted from the 2022 Russia-Ukraine War and the Western sanctions on Russian petroleum exports. Building on Razek and McQuinn (2021), we rely on the Real Effective Exchange Rate (REER) to gauge Saudi Arabia's international competitiveness. We apply vector autoregressive (VAR) and vector error correction model (VECM) techniques to a 1986–2022 sample and compare the early 1990s and 2022 using historical decomposition. We allow for various shock transmission channels and employ the Brent-Urals spread and Russia's geopolitical risk index (GPR) to capture geopolitical risk affecting Russian petroleum exports. Our findings show that Saudi international competitiveness increased in the 1990s but decreased in 2022. In fact, the 2022 crisis – unlike the early 1990s– resulted in a new regime in which extreme oil backwardation regimes fail to reward Saudi competitiveness, with oil exports ceasing to be the primary determinant of Saudi Arabia's competitive advantage. We discuss the effects of the Kingdom's investment diversification strategy and draw some conclusions about global energy price volatility and U.S. global dominance.
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.
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 | 0,000 |
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 découle