Nonlinear Causality Testing with Stepwise Multivariate Filtering
Notice bibliographique
Résumé
This study explores the direction and nature of causal linkages among six currencies denoted relative to United States dollar (USD), namely Euro (EUR), Great Britain Pound (GBP), Japanese Yen (JPY), Swiss Frank (CHF), Australian Dollar (AUD) and Canadian Dollar (CAD). These are the most liquid and widely traded currency pairs in the world and make up about 90% of total Forex trading worldwide. The data covers the period 3/20/1987-11/14/2007, including the Asian crisis, the dot-com bubble and the period just before the outbreak of the US subprime crisis. The objective of the paper is to test for the existence of both linear and nonlinear causal relationships among these currency markets. The modified Baek-Brock test for nonlinear non-causality is applied on the currency return time series as well as the linear Granger test. Further to the classical pairwise analysis causality testing is conducted in a multivariate formulation, to correct for the effects of the other variables. A new stepwise multivariate filtering approach is implemented. To check if any of the observed causality is strictly nonlinear, the nonlinear causal relationships of VAR/VECM filtered residuals are also examined. Finally, the hypothesis of nonlinear non-causality is investigated after controlling for conditional heteroskedasticity in the data using GARCH-BEKK, CCC-GARCH and DCC-GARCH models. Significant nonlinear causal linkages persisted even after multivariate GARCH filtering. This indicates that if nonlinear effects are accounted for, neither FX market leads or lags the other consistently and currency returns may exhibit statistically significant higher-order moments and asymmetries.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».