Modern Reserve Currencies: Debt Stability of the Reserve Currency Emitting Countries
Bibliographic record
Abstract
Шуба О. А., Травкіна К. В. Сучасні резервні валюти: боргова стійкість країн -емітентів резервних валют Метою статті є дослідження рівня боргової стійкості країн -емітентів резервних валют.Розглянуто історичні аспекти формування та розвитку світової структури резервних валют у відповідності до існуючих валютних систем.Проаналізовано сучасні тенденції, що притаманні інституту резервних валют.Досліджено державну заборгованість країн -емітентів резервних валют у період з 2000 по 2018 рр., охарактеризовано особливості їх заборгованості.Виходячи з панівних позицій долара США серед існуючих резервних валют здійснено ретроспективний аналіз державного боргу даної країни -емітента резервної валюти.Проведено аналіз забезпечення державного боргу США, Великобританії, Японії, Китаю, Канади, Австралії, Швейцарії та Єврозони.Результати аналізу дозволяють зробити висновок, що найбільш забезпеченими щодо рівня ВВП і золотовалютних резервів серед резервних валют є швейцарський франк і китайський юань.Японія та США мають слабку позицію щодо боргової стійкості.Гіпотеза, що більшість країн -емітентів резервних валют забезпечують високий рівень благополуччя свого населення шляхом хронічного дефіциту платіжного балансу, що призводить до постійного збільшення державного боргу, підтверджена результатами аналізу.Відповідно, високий рівень життя в таких країнах можливий за рахунок ресурсів, придбаних у борг.Встановлено, що такий спосіб існування країнемітентів резервних валют можливий завдяки моделі віртуальної економіки.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".