MétaCan
Menu
Retour à la cohorte
Enregistrement W3042933710 · doi:10.3868/s060-011-020-0009-5

A Bayesian Nonparametric Investigation of the Predictive Effect of Exchange Rates on Commodity Prices

2020· article· en· W3042933710 sur OpenAlexaboutno aff
Xin Jin

Notice bibliographique

RevueFrontiers of Economics in China · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconometricsEconomicsCommodityPredictive powerPrior probabilityExchange rateBayesian probabilityNonparametric statisticsSkewnessProbitContrast (vision)Probit modelConditional varianceConditional probability distributionStatisticsMathematicsMonetary economicsComputer scienceFinanceAutoregressive conditional heteroskedasticity

Résumé

récupéré en direct d'OpenAlex

This study proposes a full Bayesian nonparametric procedure to investigate the predictive power of exchange rates in relation to commodity prices for three commodity-exporting countries: Canada, Australia, and New Zealand. We propose a new time-dependent infinite mixture of a normal linear regression model of the conditional distribution of the commodity price index. The mixing weights follow a set of Probit stick-breaking priors that are time-varying. We find that exchange rates have a positive predictive effect in general, but accounting for time variation does not improve forecasting performance. By contrast, the intercept in the regression and the lagged dependent variable show signs of parameter change over time in most cases, which is important in forecasting both the mean and the density of commodity prices one period ahead. The results also suggest that the variance is a large source of the time variation in the conditional distribution of commodity prices.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,206
Écart entre enseignants0,190 · 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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers of Economics in ChinaMême sujetMarket Dynamics and VolatilityTravaux en français237 207