European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

An ML Approach to IFIs: Determinants of IMF Lending

Descripción del proyecto

Una nueva herramienta asesora sobre los acuerdos del FMI

El Fondo Monetario Internacional (FMI) es una organización de 189 países que trabajan para fomentar la cooperación monetaria mundial, garantizar la estabilidad financiera, facilitar los intercambios internacionales, promover un alto nivel de empleo y un crecimiento económico sostenible, así como para reducir la pobreza en todo el mundo. ¿Qué factores influyen en las condiciones de un programa del FMI? ¿Y qué papel tienen dichos factores en la conformación del diseño de los programas? Para responder a dichas preguntas, el proyecto MLending, financiado con fondos europeos, creará una herramienta para modelizar el diseño del programa y el proceso de aplicación. En concreto, creará un modelo de aprendizaje automático para predecir el tamaño del préstamo, la cantidad de condiciones y las exenciones del FMI durante un programa. También diseñará una herramienta de procesamiento del lenguaje natural para analizar las actas de las reuniones del Comité Ejecutivo del FMI, a fin de recoger información como las opiniones individuales de los miembros de la junta, las alianzas entre los representantes de los diferentes países y la postura del G5.

Objetivo

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.

Coordinador

KOC UNIVERSITY
Aportación neta de la UEn
€ 145 355,52
Dirección
RUMELI FENERI YOLU SARIYER
34450 Istanbul
Turquía

Ver en el mapa

Región
İstanbul İstanbul İstanbul
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
€ 145 355,52