Multilateral Adjustment and Exchange Rate Dynamics: The Case of Three Commodity Currencies
Notice bibliographique
Résumé
In this paper, we empirically investigate whether multilateral adjustment to large U.S. external imbalances can help explain movements in the bilateral exchange rates of three commodity currencies – the Australian, Canadian and New Zealand (ACNZ) dollars. To examine the relationship between exchange rates and multilateral adjustment, we develop a new regimeswitching model that augments a standard Markov-switching framework with a threshold variable. This enables us to model the exchange rate dynamics of our commodity currencies in the context of two regimes: one in which multilateral adjustment to large U.S. external imbalances is an important factor driving the commodity currencies and the second in which there are no significant U.S. external imbalances and hence multilateral adjustment is not a factor. We compare the performance of this model, both in and out-of-sample, to several other alternative models. In addition to developing this new model, another distinguishing feature of our paper is that we estimate all of our models using a Bayesian approach. We opt for a Bayesian approach in this context because it provides a simpler and more intuitive means of evaluating and comparing our different non-nested models. Moreover, it is relatively straightforward using a Bayesian approach to evaluate the importance of nonlinearities in the relationship between exchange rates and multilateral adjustment. Our findings suggest that during periods of large U.S. imbalances, fiscal and external, an exchange rate model for the ACNZ dollars should allow for multilateral adjustment effects. Moreover, we also find evidence to suggest that the adjustment of exchange rates to multilateral adjustment factors is best modelled as a non-linear process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».