European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

An ML Approach to IFIs: Determinants of IMF Lending

Opis projektu

Nowe narzędzie do oceny procedur zawierania transakcji przez MFW

Międzynarodowy Fundusz Walutowy (MFW) jest organizacją 189 krajów, która działa na rzecz wspierania międzynarodowej współpracy walutowej, zapewnienia stabilności finansowej, ułatwiania wzrostu handlu międzynarodowego, promowania wysokiego poziomu zatrudnienia i zrównoważonego wzrostu gospodarczego, a także zmniejszenia ubóstwa na całym świecie. Jakie czynniki wpływają na warunki programów MFW i w jakim stopniu przyczyniają się one do kształtu danego programu w fazie projektowania? Próby odpowiedzi na to pytanie podjął się zespół finansowanego ze środków UE projektu MLending, którego zamiarem jest opracowanie narzędzia do modelowania procesu projektowania i wdrażania programów. Dokładniej rzecz ujmując, zespół stworzy model uczenia maszynowego służący do przewidywania wielkości udzielanej pożyczki, liczby warunków MFW i zwolnień przysługujących w trakcie programu. Ponadto opracuje narzędzie do przetwarzania języka naturalnego na potrzeby analizy protokołów z posiedzeń zarządu MFW, które pozwoli na rejestrowanie wielu informacji, takich jak nastawienie i odczucia poszczególnych członków zarządu, sojusze między przedstawicielami różnych krajów czy też stanowisko prezentowane przez członków G5.

Cel

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.

Koordynator

KOC UNIVERSITY
Wkład UE netto
€ 145 355,52
Adres
RUMELI FENERI YOLU SARIYER
34450 Istanbul
Turcja

Zobacz na mapie

Region
İstanbul İstanbul İstanbul
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
€ 145 355,52