Analýza vývoje měnových kurzů (případ zemí exportujících a importujících suroviny)
Notice bibliographique
Résumé
Tato bakalařska prace ma za cil analyzovat vztah mezi měnovými kurzy vybraných zemi a cenami komodit, ktere tyto země exportuji. Prace se snaži tento vztah bliže popsat a kvantifikovat. Vybranými zeměmi jsou Kanada, Japonsko, Norsko, Australie, Zambie a Burundi. Prace nejprve teoreticky popisuje vztahy mezi měnovými kurzy a fundamentalnimi velicinami. V druhe casti je popsana metoda empiricke analýzy. V praci je provedena korelacni a regresni analýza a popsany jsou i některe problemy, s kterými jsem se při ekonometricke analýze setkal. Zminěný vztah zkoumam v připadě Kanady, Japonska, Australie i Norska na měsicnich datech nominalniho efektivniho kurzu od roku 2000 do konce roku 2015. V připadě Burundi a Zambie zkoumam daný vztah od roku 1980 na rocnich datech realných efektivnich kurzů až do roku 2014. Při analýze jsem zjistil, že dane měnove kurzy skutecně vykazuji zavislost na cenach daných komodit. Největsi zavislost vykazuje norska koruna na cenach ropy, naopak nejnižsi zavislost vykazuje japonský jen k cenam ropy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».