Analyzing China's Banking System as One of its Economic Rise Factors
Notice bibliographique
Résumé
In 2013, China’s GDP grew at an average annual rate of nearly 10% than 1979. Many economists provide that China’s economic will take a key position in international trade map and a major place with the world leaders at beginning of second quarter of currant century. Generally, economists attribute China’s growth to two major factors: the financial system and the increasing of productivity. This paper tries to examine the role of China’s financial system in supporting the economic growth. Through giving, firstly, a short review of the history of China’s banking system by presenting it through 5 main periods: from 17th century until 1949, from 1949 to 1978, the first reform period from 1978 to 1984, the second reform period from 1984 to 1994, the third (present) reform from 1994. Secondly, it presents a brief view on the Structure of China’s Banking System that can be resuming in 4 main characteristics: (1) The Huge Size, (2) The State-owned, (3) The “BIG FOUR”, and (4) The Foreign Banks Operating in China. Then, it shows a short literature background about the relationship between financial and economic growth. Moreover, it discusses theoretical study of the influence of banking system on economic growth. Finally, this paper will analyze the role of banking system in supporting some indicators of China’s economic growth: GDP, Unemployment Rate, SME … etc.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».