MétaCan
Menu
← Retour à la cohorte
Enregistrement W1802297653

Nominal Exchange Rate Variation and World Commodity Price Variation: The Cases of Australia, Canada, and New Zealand

2014· article· en· W1802297653 sur OpenAlexaboutno aff
Pisut Kulthanavit, Thanyakorn Bunnag

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsCommodityExchange rateLiberian dollarCommodity marketInternational economicsMonetary economicsMarket economyFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

World commodity prices have moved and fluctuated over time especially, the period 2000-2009. This paper examines the impact of Australia’s, Canada’s, and New Zealand’s nominal exchange rate variation on world commodity price variations in 1980-2012 and compare the impact between 1990-1999 and 2000-2009. This study employs a dynamic ordinary least square regression (DOLS) to estimate correlation coefficients that measure the volatility effects. The results show that in long-run (1980-2012), the Australian dollar, Canadian dollar, and New Zealand dollar variation raise the world commodity price variations for hard commodity which are fuel products and metal products while nominal exchange rate variation has various effects on the world commodity price variations for soft commodity which are grain products, forestry products, and livestock products. Moreover, comparison of the period 1990-1999 and the period 2000-2009 implies that exchange rate variation raises the world commodity price variations which almost price is hard commodity. Hence, the government of these hard commodities exporting countries should become aware of exchange rate variation and look after the variation because the variation causes income of export sector. In the case of developing countries, should consider exchange rate policy that impacts export sector and the economy along with give priority to future market development to be tools for absorb exchange rate variation risks.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,050
Tête enseignante GPT0,272
Écart entre enseignants0,221 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetMarket Dynamics and Volatility→Travaux en français237 207→