MétaCan
Menu
Retour à la cohorte
Enregistrement W3009955234 · doi:10.1142/s2010495220500037

AUSTRALIAN GOVERNMENT BONDS’ NOMINAL YIELDS: A KEYNESIAN PERSPECTIVE

2020· article· en· W3009955234 sur OpenAlexaff
Tanweer Akram, Anupam Das

Notice bibliographique

RevueAnnals of Financial Economics · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésBondEconomicsGovernment bondInterest rateGovernment debtDistributed lagNominal interest rateMonetary economicsMonetary policyDebtNew Keynesian economicsBond valuationEconometricsKeynesian economicsMacroeconomicsReal interest rateFinance

Résumé

récupéré en direct d'OpenAlex

This paper empirically models the dynamics of Australian government bonds’ nominal yields using the autoregressive distributed lag (ARDL) approach. Keynes held that the central bank exerts a decisive influence on government bond yields because the central bank’s policy rate and other monetary policy actions determine the short-term interest rate, which in turn affects long-term government bonds’ nominal yields. The estimated models show that the short-term interest rate is the main driver of Australian government bonds’ nominal yields. These results imply that Keynes’s conjecture applies in the case of Australian government bonds’ nominal yields. Furthermore, the effect of the budget balance ratio on government bond yields is small though statistically significant. There is no statistically discernable effect of the debt ratio on government bond yields.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,792
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0010,001

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 Opus0,154
Tête enseignante GPT0,266
Écart entre enseignants0,112 · 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.

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Financial EconomicsMême sujetMonetary Policy and Economic ImpactTravaux en français237 207