Conventional and Unconventional Monetary Policy Rate Uncertainty and Stock Market Volatility: A Forecasting Perspective
Notice bibliographique
Résumé
Abstract Theory suggests the existence of a bi-directional relationship between stock market volatility and monetary policy rate uncertainty. In light of this, we forecast volatilities of equity markets and shadow short rates (SSR) – a common metric of both conventional and unconventional monetary policy decisions, by applying a bivariate Markov-switching multifractal (MSM) model. Using daily data of eight advanced economies (Australia, Canada, Euro area, Japan, New Zealand, Switzerland, the UK, and the US) over the period of January 1995 to February 2025, we find that the bivariate MSM model outperforms, in a statistically significant manner, not only the benchmark historical volatility and the univariate MSM models, but also the Dynamic Conditional Correlation Generalized Autoregressive Conditional Heteroskedasticity (DCC-GARCH) framework, particularly at longer forecast horizons. Our findings are robust to different out-of-sample periods, and superiority of the bivariate MSM is also confirmed relative to the corresponding Generalized Autoregressive Score (GAS) model. This finding confirms the bi-directional relationship between stock market volatility and uncertainty surrounding conventional and unconventional monetary policies, which in turn has important implications for academics, investors and policymakers.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».