MétaCan
Menu
Retour à la cohorte
Enregistrement W1604890371 · doi:10.34989/swp-2007-55

The Impact of Emerging Asia on Commodity Prices

2021· article· en· W1604890371 sur OpenAlexaffabout
Calista Cheung, Sylvie Morin

Notice bibliographique

RevueEconstor (Econstor) · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésCommodityEconomicsInflation (cosmology)Relative priceChinaRest (music)Monetary economicsOil pricePrice shockAgricultural economicsMacroeconomicsInternational economicsMarket economyGeography

Résumé

récupéré en direct d'OpenAlex

Over the past 5 years, real energy and non-energy commodity prices have trended sharply higher. These relative price movements have had important implications for inflation and economic activity in both Canada and the rest of the world. China has accounted for the bulk of incremental demand for oil and many base metals over this period. As rapid economic growth in China has raised the level of world demand, this has put upward pressure on commodity prices. The effect has been amplified by rising resource intensities in China's production in recent years. This paper discusses the factors driving emerging Asia's demand for commodities and assesses the impact of emerging Asia on the real prices of oil and base metals in the Bank of Canada Commodity Price Index (BCPI). Two separate single-equation models are estimated for oil and the base metals price index. We employ a structural break approach for oil prices, while metals prices are modelled with an error correction model (ECM). In both cases, we find strong evidence that oil and metals prices have historically moved with the business cycle in the developed world, but that this relationship has broken down since mid-1997. Thereafter, industrial activity in emerging Asia appears to have become a more dominant driver of oil price movements. While metal price fluctuations have also become increasingly aligned with levels of industrial activity in emerging Asia, rising intensities of metal production may have been a more important factor behind the acceleration in prices in recent years.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,301
Score d'incertitude au seuil0,598

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,251
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetMarket Dynamics and VolatilityTravaux en français237 207