The Relationship between Yield Curve and Economic Activity: An Analysis of G7 Countries
Notice bibliographique
Résumé
The yield curve is an important tool to assess the economic progress of a country. In this study, we examine the strength of the relationship between term spread and economic activity, and between the components of the yield curve and economic activity in the G7 countries using monthly data on yield rates and seasonally adjusted data on the industrial production index (IPI). After matching the start and end date of the IPI with the yield rates, the data used and respective time period are as follows: Canada: March-1994 to December-2018, France: January-1999 to December-2018, Germany: October-2005 to December-2018, Italy: July-2009 to December-2018, Japan: July-1994 to January-2019, the UK: January-1994 to December-2018, and the US: February-1990 to January-2019. The results show positive associations between term spread and economic activity for Canada, France, Germany, Japan, the UK, and the US. For Italy, a negative association is noted. All three empirical factors could predict economic activity for France and Germany at the 12-month horizon only. For all other horizons, the factors’ ability to predict economic activity varies. We observe that by including additional macro-finance variables such as the current economic growth rate and the 3-month yield rate to capture the term structure level effects, the relationship between term spread and economic activity becomes stronger. This implies that the usefulness of yield curve and its decomposed components for the purpose of predicting economic activity should be cautiously modelled and employed for policy.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».