MétaCan
Menu
Retour à la cohorte
Enregistrement W2797698245 · doi:10.5539/ijef.v10n5p184

The Impact of RMB Exchange Rate Fluctuation on Price Level in China: An Empirical Analysis Based on the Vector Error Correction Model

2018· article· en· W2797698245 sur OpenAlexvenueno aff
Songlijiang Pan

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRenminbiExchange rateEconomicsError correction modelEffective exchange rateChinaIndex (typography)EconometricsMonetary economicsPrice indexPrice levelTransfer (computing)Consumer price index (South Africa)International economicsCointegrationMonetary policyComputer science

Résumé

récupéré en direct d'OpenAlex

With the improvement of RMB internationalization level, the impact of the changing international financial environment on China’s economy is becoming more and more serious, so it is increasingly important to study the transfer effect of exchange rate changing on Chinese prices. Based on the monthly data from August 2005 to October 2016 and by constructing vector error correction model, this paper empirically examines the transfer effect of RMB exchange rate changes on China’s price level. It is found that: 1) The transfer effect of nominal effective exchange rate of RMB on the single price index is smooth. 2) The transfer effect of RMB nominal effective exchange rate on China’s price index is incomplete and there is a certain delay. For each unit of appreciation of RMB, the consumer price index will fall by 0.18 units. Import price index (IPI) respond most quickly to exchange rate movements, while producer price index (PPI) and consumer price index (CPI) slow down in turn. 3) The error correction model analysis shows that the nominal effective exchange rate of RMB has a certain self-correcting mechanism for the transfer effect of China’s price index.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,435

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 Opus0,053
Tête enseignante GPT0,279
Écart entre enseignants0,226 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207