MétaCan
Menu
← Retour à la cohorte
Enregistrement W3178507057 · doi:10.3390/jrfm14070319

A Reappraisal of the Prebisch-Singer Hypothesis Using Wavelets Analysis

2021· article· en· W3178507057 sur OpenAlexaffvenue
Hany Fahmy

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésEconomicsCommodityPoint (geometry)Price indexEconometricsWaveletIndex (typography)Technical analysisExchange rateMacroeconomicsFinancial economicsMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

The Prebisch-Singer (PS) hypothesis, which postulates the presence of a downward secular trend in the price of primary commodities relative to manufacturers, remains at the core of a continuing debate among international trade economists. The reason is that the results of testing the PS hypothesis depend on the starting point of the technical analysis, i.e., stationarity, nonlinearity, and the existence of structural breaks. The objective of this paper is to appraise the PS hypothesis in the short- and long-run by employing a novel multiresolution wavelets decomposition to a unique data set of commodity prices. The paper also seeks to assess the impact of the terms of trade (also known as Incoterms) on the test results. The analysis reveals that the PS hypothesis is not supported in the long run for the aggregate commodity price index and for most of the individual commodity price series forming it. Furthermore, in addition to the starting point of the analysis, the results show that the PS test depends on the term of trade classification of commodity prices. These findings are of particular significance to international trade regulators and policymakers of developing economies that depend mainly on primary commodities in their exports.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,041
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,010
Communication savante0,0030,008
Science ouverte0,0010,003
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,213
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetMarket Dynamics and Volatility→Travaux en français237 207→