European Commission logo
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

An ML Approach to IFIs: Determinants of IMF Lending

Descrizione del progetto

Un nuovo strumento per valutare le negoziazioni del FMI

Il Fondo monetario internazionale (FMI) è un’organizzazione a cui partecipano 189 paesi che lavora per incentivare la cooperazione monetaria a livello globale, assicurare la stabilità finanziaria, agevolare il commercio internazionale, promuovere un tasso di occupazione elevato e la crescita economica sostenibile e ridurre la povertà in tutto il mondo. Quali sono i fattori che influenzano le caratteristiche specifiche di un programma del FMI e in che modo essi si ripercuotono nel modellarne la progettazione? Per rispondere a queste domande, il progetto MLending, finanziato dall’UE, creerà uno strumento per plasmare la progettazione dei programmi e il relativo processo di attuazione. In particolare, esso creerà un modello di apprendimento automatico per la previsione delle dimensioni dei prestiti accordati e del numero di condizioni e deroghe del FMI nel corso di un programma. Inoltre, MLending concepirà uno strumento di elaborazione del linguaggio naturale volto all’analisi dei verbali delle riunioni realizzate dal comitato esecutivo del FMI con l’obiettivo di acquisire informazioni quali le opinioni dei singoli membri del comitato, le alleanze tra i rappresentanti di diversi paesi e la posizione del G5.

Obiettivo

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.

Coordinatore

KOC UNIVERSITY
Contribution nette de l'UE
€ 145 355,52
Indirizzo
RUMELI FENERI YOLU SARIYER
34450 Istanbul
Turchia

Mostra sulla mappa

Regione
İstanbul İstanbul İstanbul
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
€ 145 355,52