MétaCan
Menu
Retour à la cohorte
Enregistrement W3124190933

Borders and Nominal Exchange Rates in Risk-Sharing

2013· preprint· en· W3124190933 sur OpenAlexaff
Michael B. Devereux, Viktoria Hnatkovska

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2013
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Policies and Impacts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDepreciation (economics)Exchange rateEconomicsConsumption (sociology)EconometricsMonetary economicsMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Models of risk-sharing predict that relative consumption growth rates across locations should be positively related to real exchange rate growth rates across the same areas. We investigate this hypothesis using a new multi-country and multi-regional data set. Within countries, we find evidence for risk-sharing: episodes of high relative regional consumption growth are associated with regional real exchange rate depreciation. Across countries however, the association is reversed: relative consumption and real exchange rates are negatively correlated. We define this reversal as a border effect and show that it accounts for 53 percent of the deviations from full risk-sharing. Since crossborder real exchange rates involve different currencies, it is natural to ask how much of the border effect is accounted for by movements in exchange rates? We find that over one-third of the border effect is due to nominal exchange rate fluctuations. We develop a simple open economy model that is consistent with the importance of nominal exchange rate variability in accounting for deviations from cross-country risk-sharing.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,198
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,063
Tête enseignante GPT0,320
Écart entre enseignants0,257 · 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'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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetEconomic Policies and ImpactsTravaux en français237 207