The relationship between a Unified Financial Condition Index and the most actively traded USD based Foreign Currency pairs
Notice bibliographique
Résumé
Various regulatory bodies in the US use proprietary financial conditions indices as tools to measure the health of financial markets. While they share some common variables, they also differ in areas such as data frequencies of their respective models. The aim of this study is to propose a unified financial condition index centered around the most popular financial conditions indices used in the US and tests its relationship with the most actively traded USD based foreign currency pairs. Using weekly data over 1993-2018, this paper proposes a unified financial condition index (UFCI) under a principal component analysis framework. The index captures 78% of the variability inherent in St Louis Federal Reserve Financial Stress Index, the Chicago Fed National Financial Condition Index and the Adjusted National Financial Condition Index. Significant p-value of UFCI, homoscedasticity and a relatively stable root mean squared errors was observed only for EUR/USD. Mixed findings found as lags were increased suggests a weak relationship between UFCI and foreign currencies. The UFCI forecasting model is compared with the VIX (volatility index) based model, and also a random walk model. Although the UFCI model was superior only for the Canadian dollar, Chinese yuan and Indian Rupee after considering heteroscedasticity in errors, results were sensitive to number of lags and insignificant p-values.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».