CORDIS - Forschungsergebnisse der EU
CORDIS

An ML Approach to IFIs: Determinants of IMF Lending

Projektbeschreibung

Ein neues Instrument zur Bewertung von IWF-Verhandlungen

Der Internationale Währungsfonds (IWF) ist eine 189 Länder umfassende Organisation, die das Ziel hat, die globale währungspolitische Zusammenarbeit zu stärken, die finanzielle Stabilität zu sichern, den internationalen Handel zu erleichtern, ein hohes Beschäftigungsniveau und nachhaltiges Wirtschaftswachstum zu fördern und Armut weltweit zu verringern. Welche Faktoren fließen in die Bedingungen eines IWF-Programms ein? Und wie beeinflussen sie die Gestaltung der Programme? Um diese Fragen zu beantworten, wird das EU-finanzierte Projekt MLending ein Instrument entwickeln, um den Prozess der Programmgestaltung und -implementierung zu modellieren. Insbesondere soll ein Maschinenlernmodell erstellt werden, um den Kreditumfang sowie die Anzahl der IWF-Bedingungen und der Verzichtserklärungen im Rahmen eines Programms zu prognostizieren. Darüber hinaus wird das Team ein Werkzeug zur Verarbeitung von natürlicher Sprache entwickeln, das dazu gedacht ist, die Sitzungsprotokolle des IMF-Exekutivdirektoriums zu analysieren. Dadurch sollen diverse Informationen erfasst werden, wie beispielsweise die Haltung einzelner Direktoriumsmitglieder, Allianzen zwischen Vertreter/innen verschiedener Länder und die Position der G5.

Ziel

The International Monetary Fund (IMF) is frequently argued to be an agent of its most powerful shareholders. Challenging the common belief that strategic allies of the US and/or G5 countries always get better deals from the IMF, whereas it is the IMF staff who has the main leverage over the design of conditionality when low-income countries are borrowing from the Fund, this project will develop a novel framework, drawing upon existing literature on the IMF, in order to present a comprehensive model that takes into account all actors having an impact on IMF program design. The following questions will be at the core of this research: What factors influence the terms of an IMF program? And how do those factors play into shaping the design of the programs? Through creating an original framework, the project will aim to provide an indispensable and extensible tool for international political economy researchers, policymakers, governments and IMF staff to model the program design and implementation process with high predictive power of the outcomes. The project will make a major contribution to the literature by creating a machine learning (ML) model for predicting the loan size, number of IMF conditions and waivers during program implementation, which complements traditional statistical models by integrating a larger number of variables and providing high accuracy of prediction. The project will also create a natural language processing (NLP) tool for automated, fast analysis of the IMF’s Executive Board meeting minutes, which is able to capture elements including individual board member sentiments, alliance between representatives of different countries and G5 stance with high accuracy. The research will take on board an eclectic approach, using mixed methods involving ML, NLP, statistical analyses, and process tracing of in-depth case studies (namely Romania and Greece) to account for the variation in the terms of IMF programs.

Koordinator

KOC UNIVERSITY
Netto-EU-Beitrag
€ 145 355,52
Adresse
RUMELI FENERI YOLU SARIYER
34450 Istanbul
Türkei

Auf der Karte ansehen

Region
İstanbul İstanbul İstanbul
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
€ 145 355,52