MétaCan
Menu
Retour à la cohorte
Enregistrement W4294718942 · doi:10.1007/s11135-022-01513-7

Uncertainty measures and inflation dynamics in selected global players: a wavelet approach

2022· article· en· W4294718942 sur OpenAlexaboutno aff
Opeoluwa Adeniyi Adeosun, Mosab I. Tabash, Xuan Vinh Vo, Suhaib Anagreh

Notice bibliographique

RevueQuality & Quantity · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoherence (philosophical gambling strategy)EconometricsWaveletVolatility (finance)Term (time)ChinaEconomicsLagStatisticsMathematicsGeographyComputer sciencePhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study investigates the dynamic relationship between economic policy uncertainty (EPU), geopolitical risks (GPR), the interaction of EPU and GPR (EPGR), and inflation in the USA, Canada, the UK, Japan, and China. We employ the continuous wavelet transform (CWT) to track the evolution of model variables and the wavelet coherence (WC) to examine the co-movement and lead-lag status of the series across different frequencies and time. To strengthen the WC, we apply the multiple wavelet coherence (MWC) to determine how good the linear combination of independent variables co-moves with inflation across various time-frequency domains. The CWT reveals heterogeneous characteristics in the evolution of each variable across frequencies. Inflation across samples shows strong variance in the short-term and medium-term while the volatility fizzles out in the long-term. For the explanatory variables, a similar pattern holds for EPU except for Japan and China, where coherence is evident in the short-term. The USA's and Canada's GPR reveal strong coherence in the short- and medium-term. Also, the UK and China reflect strong coherence in the short-term but weak significance in the medium-term, while Japan's GPR reflects only strong coherence in the short-term. The EPGR shows strong variation in the short-and-medium-term in the samples except in China. The WC's phase-difference reflects bidirectional causalities and switches in signs among series across different scales and periods in the samples, while the MWC reveals the combined intensity, strength, and significance of both EPU and GPR in predicting inflation across frequency bands among the countries. Findings also show significant co-movement among series at date-stamped periods, corroborating critical global events such as the Asian financial crisis, Global financial crisis, and COVID-19 pandemic. The paper has policy implications.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,050
Tête enseignante GPT0,271
Écart entre enseignants0,221 · 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

Citations42
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuality & QuantityMême sujetMarket Dynamics and VolatilityTravaux en français237 207