The Dynamic Relationship Between Stock, Bond and Foreign Exchange Markets
Notice bibliographique
Résumé
In this paper, we investigate whether deviation of a currency from its fundamentally determined rate of return affects its interaction with interest rates and stock market yields. A time varying transition probability Markov-Switching Vector Autoregressive (MS-VAR) model is utilized for this purpose. Wald and Likelihood ratio tests are used as model adequacy measures. In order to analyse the link among the variables, impulse-response functions are employed. States are defined as overvalued state and undervalued state depending on the position of the observed exchange rate to its fundamentally determined rate which is computed by sticky price exchange rate model. The model is implemented to four major currencies: Australian dollar, the Canadian dollar, the Japanese yen, and the British pound. Transition between the states are linked to risk adjusted excess return (the Sharpe ratio) of debt market and equity market returns of respected currencies in order to understand whether overvaluation and undervaluation is connected to the returns in these markets. The results provide evidence that the relationship between economic fundamentals and the nominal exchange rates are subject to change depending on the overvaluation or undervaluation of the currencies relative to their fundamentally determined rate of return. As an extension of the model, we found that the Sharpe ratios of debt and equity investments in the currencies influence the evolution of transitional dynamics of the exchange rates� deviation from their fundamental 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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».