MétaCan
Menu
← Retour à la cohorte
Enregistrement W3029942252 · doi:10.5539/ibr.v13n7p1

Interest Rate Interactions between Bangladesh and the US: Possible Pass Through From the US

2020· article· en· W3029942252 sur OpenAlexvenueaboutno aff
Mohammed Saiful Islam, Mohammad Taslim Uddin

Notice bibliographique

RevueInternational Business Research · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)EconometricsEconomicsError correction modelInterest rateReal interest rateShort runStatisticsMacroeconomicsCointegrationMathematicsGeography

Résumé

récupéré en direct d'OpenAlex

This paper investigates the long run relationship between the interest rates of Bangladesh and the United Sates (US). Using time series quarterly data for the period 1972- 2019, the study finds that the nominal rate of the US positively influences the nominal rate of Bangladesh and they do maintain a long run relationship. Similar result is obtained by examining the real rates of both countries. However, in the latter case the study period covers from the third quarter of 1993 to the third quarter of 2019. Estimation of the error correction model signifies that in both cases policy rate of Bangladesh significantly responds to the error, which is the measure of deviation from long run equilibrium. Although interest rates of Bangladesh respond to the error in both cases, the speed of adjustment is much higher in case of the real rates. Empirical findings reveal that around 6% error is corrected in every quarter if it is nominal rate whereas in the event of real rate the rate of error correction is almost 77%. These findings indicate that small economy Bangladesh plans its policy rate taking account of the dynamics of the large economy the US, and such policy dependence is more apparent for real rate of interest.

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)0,007
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 enseignants0,096
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,295
Tête enseignante GPT0,355
Écart entre enseignants0,060 · 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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Business Research→Même sujetMonetary Policy and Economic Impact→Travaux en français237 207→