MétaCan
Menu
Retour à la cohorte
Enregistrement W3124754330 · doi:10.24149/gwp49

Asymmetries and State Dependence: The Impact of Macro Surprises on Intraday Exchange Rates

2010· preprint· en· W3124754330 sur OpenAlexaff
Rasmus Fatum, Michael M. Hutchison, Thomas Wu

Notice bibliographique

RevueFederal Reserve Bank of Dallas, Globalization and Monetary Policy Institute Working Papers · 2010
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMonetary economicsEconomicsExchange rateInterest rateEquity (law)Financial marketFinancial economicsFinance

Résumé

récupéré en direct d'OpenAlex

The impact of news surprises on exchange rates depends in principle upon a number of factors including the state of the economy, institutional setting and nature of the expected policy response. These characteristics may lead to state-contingent asymmetric responses to news. In this paper we investigate the possible asymmetric response of intraday exchange rates (5-minute intraday JPY/USD) to macroeconomic news announcements during a very unusual period--Japan during 1999-2006 when the money market interest rate was effectively zero. We may think of this period as a natural experiment consisting of an institutional setting when interest rates may rise but not decline, thereby constraining both endogenous policy reactions to news and private market expectations. Asymmetric responses to news, to the extent that they are important in exchange rate markets as they are in equity markets, would seem particularly likely to be evident during this period. We consider several ways asymmetric responses may be manifested and linked to macroeconomic news during the zero-interest rate period. We assess whether the intraday exchange rate responds differently depending on whether the news is emanating from Japan or the U.S.; we consider the state of the business cycle; and we distinguish between good and bad news.

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)0,001
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 enseignants0,192
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,059
Tête enseignante GPT0,289
Écart entre enseignants0,230 · 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

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFederal Reserve Bank of Dallas, Globalization and Monetary Policy Institute Working PapersMême sujetMonetary Policy and Economic ImpactTravaux en français237 207