Direkt zur Hauptnavigation springen Direkt zum Inhalt springen
info(at)avldigital.remove-this.de
Deutsch English
Filtern nach
Aktive Filter
Letzte Suchanfragen

Ergebnisse für *

Zeige Ergebnisse 1 bis 2 von 2.

  1. Another piece of the puzzle
    adding SWIFT data on documentary collections to the short-term forecast of world trade
    Autor*in: Ghazaryan, Narek; Goumilevski, Alexei; Mongardini, Joannes; Radzikowski, Aneta
    Erschienen: Dec 2021
    Verlag:  International Monetary Fund, [Washington, D.C.]

    This paper extends earlier research by adding SWIFT data on documentary collections to the short-term forecast of international trade. While SWIFT documentary collections accounted for just over one percent of world trade financing in 2020, they have... mehr

    Zugang:
    Verlag (kostenfrei)
    Verlag (kostenfrei)
    Resolving-System (kostenfrei)

    Standort:
    Staatsbibliothek zu Berlin - Preußischer Kulturbesitz, Haus Potsdamer Straße
    Fernleihe:
    keine Fernleihe

    Standort:
    Universitätsbibliothek Braunschweig
    Fernleihe:
    keine Fernleihe

    Standort:
    Staats- und Universitätsbibliothek Bremen
    Fernleihe:
    keine Fernleihe

    Standort:
    Universitätsbibliothek Erfurt / Forschungsbibliothek Gotha, Universitätsbibliothek Erfurt
    Fernleihe:
    keine Fernleihe

    Standort:
    Bibliothek der Pädagogischen Hochschule Freiburg/Breisgau
    Fernleihe:
    keine Fernleihe

    Standort:
    Niedersächsische Staats- und Universitätsbibliothek Göttingen
    Fernleihe:
    keine Fernleihe

    Standort:
    Universitäts- und Landesbibliothek Sachsen-Anhalt / Zentrale
    Fernleihe:
    keine Fernleihe

    Standort:
    Helmut-Schmidt-Universität, Universität der Bundeswehr Hamburg, Universitätsbibliothek
    Fernleihe:
    keine Fernleihe

    Standort:
    Technische Universität Hamburg, Universitätsbibliothek
    Fernleihe:
    keine Fernleihe

    Standort:
    Technische Informationsbibliothek (TIB) / Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek
    Fernleihe:
    keine Fernleihe

    Standort:
    Duale Hochschule Baden-Württemberg Heidenheim, Bibliothek
    Signatur:
    e-Book Nationallizenz
    Fernleihe:
    keine Fernleihe

    Standort:
    Thüringer Universitäts- und Landesbibliothek
    Fernleihe:
    keine Fernleihe

    Standort:
    Fachhochschule Kiel, Zentralbibliothek
    Fernleihe:
    keine Fernleihe

    Standort:
    ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
    Signatur:
    VS 301
    Fernleihe:
    keine Fernleihe

    Standort:
    Universitätsbibliothek Leipzig
    Fernleihe:
    keine Fernleihe

    Standort:
    Leuphana Universität Lüneburg, Medien- und Informationszentrum, Universitätsbibliothek
    Fernleihe:
    keine Fernleihe

    Standort:
    Duale Hochschule Baden-Württemberg Mosbach, Bibliothek
    Signatur:
    E-Book Nationallizenz IMF
    Fernleihe:
    keine Fernleihe

    Standort:
    Hochschule Offenburg, University of Applied Sciences, Bibliothek Campus Offenburg
    Signatur:
    E-Book International Monetary Fund
    Fernleihe:
    keine Ausleihe von Bänden, nur Papierkopien werden versandt

    Standort:
    Hochschulbibliothek Pforzheim, Bereichsbibliothek Technik und Wirtschaft
    Signatur:
    e-Book International Monetary Fund eLibrary
    Fernleihe:
    keine Ausleihe von Bänden, nur Papierkopien werden versandt

    Standort:
    Duale Hochschule Baden-Württemberg Ravensburg, Bibliothek
    Signatur:
    E-Book IMF
    Fernleihe:
    keine Fernleihe

    Standort:
    Hochschule Albstadt-Sigmaringen, Bibliothek Sigmaringen
    Fernleihe:
    keine Ausleihe von Bänden, nur Papierkopien werden versandt

     

    This paper extends earlier research by adding SWIFT data on documentary collections to the short-term forecast of international trade. While SWIFT documentary collections accounted for just over one percent of world trade financing in 2020, they have strong explanatory power to forecast world trade and national trade in selected economies. The informational content from documentary collections helps improve the forecast of world trade, while a horse race with machine learning algorithms shows significant non-linearities between trade and its determinants during the Covid-19 pandemic

     
    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
    Quelle: Staatsbibliothek zu Berlin
    Sprache: Englisch
    Medientyp: Ebook
    Format: Online
    ISBN: 9781616357634
    Weitere Identifier:
    Schriftenreihe: Working paper / International Monetary Fund ; WP/21, 293
    Schlagworte: SWIFT; trade forecast; machine learning; Machine Learning; Macroeconomic Aspects of International Trade and Finance; SWIFT; Trade Forecast; Trade
    Umfang: 1 Online-Ressource (circa 63 Seiten), Illustrationen
  2. Another piece of the puzzle
    adding SWIFT data on documentary collections to the short-term forecast of world trade
    Autor*in: Ghazaryan, Narek; Goumilevski, Alexei; Mongardini, Joannes; Radzikowski, Aneta
    Erschienen: Dec 2021
    Verlag:  International Monetary Fund, [Washington, D.C.]

    This paper extends earlier research by adding SWIFT data on documentary collections to the short-term forecast of international trade. While SWIFT documentary collections accounted for just over one percent of world trade financing in 2020, they have... mehr

    Zugang:
    Verlag (kostenfrei)
    Verlag (kostenfrei)
    Resolving-System (kostenfrei)

    Standort:
    Staatsbibliothek zu Berlin - Preußischer Kulturbesitz, Haus Unter den Linden
    Fernleihe:
    uneingeschränkte Fernleihe, Kopie und Ausleihe

     

    This paper extends earlier research by adding SWIFT data on documentary collections to the short-term forecast of international trade. While SWIFT documentary collections accounted for just over one percent of world trade financing in 2020, they have strong explanatory power to forecast world trade and national trade in selected economies. The informational content from documentary collections helps improve the forecast of world trade, while a horse race with machine learning algorithms shows significant non-linearities between trade and its determinants during the Covid-19 pandemic

     
    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
    Quelle: Staatsbibliothek zu Berlin
    Sprache: Englisch
    Medientyp: Ebook
    Format: Online
    ISBN: 9781616357634
    Weitere Identifier:
    Schriftenreihe: Working paper / International Monetary Fund ; WP/21, 293
    Schlagworte: SWIFT; trade forecast; machine learning; Machine Learning; Macroeconomic Aspects of International Trade and Finance; SWIFT; Trade Forecast; Trade
    Umfang: 1 Online-Ressource (circa 63 Seiten), Illustrationen