The Exchange Rate Volatility During Political Protests: Event Study and the Case of Belarus
Notice bibliographique
Résumé
The exchange rate reacts on political protests. Market agents affected by unrest increase exchange rate volatility. This may be converted into currency devaluation if monetary authorities decide to join protesters rather than supporting the exchange rate. Based on the event study methodology, three hypotheses were tested on 1,220 event windows of 77 political protests, in 54 economies, in 2017-2022, on three points: (1) the types of political protests with the highest abnormal exchange rate volatility and currency returns; (2) the influence of protests on daily currency devaluation; (3) the effects of unrest on intraday exchange rate volatility. The findings show that the highest exchange rate volatility was in the groups of events with short duration, with a small number of participants, which were non-violent, motivated by electoral fraud, without outcomes, and in partly free countries. The highest currency devaluation was in the groups of unrest with the greatest number of protesters, lasting more than a month, and in free countries. Only rare cases prove a high statistically significant influence of protests on exchange rate volatility and currency devaluation. As the case-by-case approach is preferable, the case of Belarus, and the country’s 14 largest political protests in 2020, was studied. This showed that four-month street unrests affected the abnormal intraday volatility of USD/BYN. After two weeks of protests, market volatility would have led to devaluation, if the National Bank hadn’t intervened, and in two months of unrest, exchange rate volatility started falling.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».