MétaCan
Menu
← Retour à la cohorte
Enregistrement W7098002732

Financial integration, financial deepness, and global imbalances’, CEPR Discussion Paper no

2007· article· en· W7098002732 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPosition (finance)Financial marketFinancial crisisAsset (computer security)Financial analysisFinancial intermediaryFinancial ratioFinancial integrationIndirect financeFinancial asset
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

1We thank participants at the NBER Summer Institute “Aggregate Implica-tions of Microeconomic Consumption Behavior”, “Research on Money and Mar-kets ” conference at the University of Toronto, SED meeting in Vancouver. A previous version of this paper has circulated under the titled “Capital markets liberalization, savings and global imbalances” Large global financial imbalances need not be the harbinger of a world fi-nancial crash as many authors believe. Instead, this paper shows that large and persistent global imbalances can be the outcome of financial integration when countries have different financial markets characteristics. In particular, countries with more advanced financial markets accumulate foreign liabilities vis-a-vis countries with less developed financial systems in a gradual, long-lasting process. Moreover, differences in financial development affect the composition of foreign portfolios, so that a country with negative net for-eign asset positions can receive positive factor payments. Three empirical observations support these arguments: (1) financial deepness varies widely even amongst industrial countries, with the United States ranking at the top; (2) the secular decline in the U.S. net foreign assets position started with a gradual process of financial markets liberalization; (3) net exports and cur-rent account balances are negatively correlated with indicators of financial markets development. 1

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,001
Communication savante0,0080,005
Science ouverte0,0010,001
Intégrité de la recherche0,0090,004
Charge utile insuffisante (le modèle a refusé de juger)0,0250,003

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 Opus0,010
Tête enseignante GPT0,226
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGlobal Financial Crisis and Policies→Travaux en français237 207→