MétaCan
Menu
← Retour à la cohorte
Enregistrement W4220660076 · doi:10.5539/ijef.v14n4p51

Evaluation of the Future Price of Brazilian Commodities as a Predictor of the Price of the Spot Market

2022· article· en· W4220660076 sur OpenAlexvenueno aff
Alexandre Vasconcelos Lima, Rogério Boueri Miranda, Mathias Schneid Tessmann

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpot contractFutures contractEconomicsLiberian dollarSpot marketFinancial economicsValue (mathematics)Financial marketFutures marketMonetary economicsEconometricsFinance

Résumé

récupéré en direct d'OpenAlex

The present work seeks to bring empirical evidence on the efficiency of futures prices as predictors of spot market prices. For this, future and spot prices of live cattle, coffee, corn, soybeans, ethanol, gold and dollars traded in Brazil are considered. To compare the probability of occurrence with the event that actually happened, the score proposed by Brier in 1950 is used. It was observed that the spot and future price curves have the same trajectory and, considering the same date, have similar values. Despite this behavior, when calculating the scores, we found that the lowest was found for live cattle, 0.47, the highest for the dollar, with a value close to 1, and the other assets varied between 0.6 and 0.8. Scores of 1 denote worse predictive powers, it was noted that future prices are not good predictors for the assets considered. These results contribute to filling the gap in the financial literature that seeks to assess the efficiency of futures markets by bringing empirical evidence to Brazilian commodities and using the Brier Score. The findings are also useful for financial market agents who use these assets in their portfolios, producers and principals in the supply chain and policy makers who make decisions involving these commodities.

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)0,003
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,224
Écart entre enseignants0,208 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and Finance→Même sujetMarket Dynamics and Volatility→Travaux en français237 207→