MétaCan
Menu
Retour à la cohorte
Enregistrement W2066883011 · doi:10.1080/00036846.2014.962228

Monetary policy synchronization in the ASEAN-5 region: an exchange rate perspective

2014· article· en· W2066883011 sur OpenAlexaff
Hem C. Basnet, Subhash C. Sharma, Puneet Vatsa

Notice bibliographique

RevueApplied Economics · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensShell (Canada)
Organismes subventionnairesnon disponible
Mots-clésDepreciation (economics)IndonesianExchange rateEconomicsCurrencyMonetary policyDevaluationInflation (cosmology)International economicsMonetary economicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

In light of the long-standing vision of economic and monetary integration in the ASEAN (Association of Southeast Asian Nations) region and the importance of coordinating monetary policies to achieve it, the objective of this article is to assess the monetary policy synchronization among the founding members of the ASEAN, that is, Indonesia, Malaysia, the Philippines, Singapore and Thailand. Due to the importance of exchange rate movements to monetary policies, we approach this issue from a currency exchange rate perspective. Specifically, multivariate trend–cycle decomposition is employed to investigate common trends and common cycles among the exchange rates of these countries during the period 1976–2012. Our analysis reveals that the real exchange rates of Malaysia, the Philippines, Singapore and Thailand share common cycles in the short term and have common trends in the long term, but the Indonesian currency does not share these relationships. Thus, our results augur well for the synchronization of monetary policies among Malaysia, the Philippines, Singapore and Thailand. In contrast, the relatively turbulent dynamics of the Indonesian rupiah evident in frequent bouts of stark depreciation separated by periods of steady depreciation over the past three decades raise questions regarding the readiness of Indonesia for participating in a monetary alliance with the ASEAN-4 nations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,302
Score d'incertitude au seuil0,730

Scores Codex et Gemma par catégorie

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

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 GPT0,222
Écart entre enseignants0,201 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied EconomicsMême sujetGlobal Financial Crisis and PoliciesTravaux en français237 207