Whether Factors Affecting the Price of US Coffee C Futures Are Influenced by the COVID-19 Social Environment
Notice bibliographique
Résumé
During COVID-19, the social environment influenced factors, including monetary policy, precipitation, temperature, exports, imports, tariffs, inflation, and household incomes, resulting in the fluctuation of coffee pricing. This paper selects US Coffee C futures as the benchmark of global coffee pricing, with the US as the representative of the exporting country and Brazil as the representative of the importing country. Based on the data collected from Brazil and US from 2015 to 2022, the research found the following: (1) Before the COVID-19 pandemic, the relationship between the US & EU tariffs and coffee pricing showed a positive trend due to the increase of substitutions' price. Monetary policy, delegated by the exchange rate of BRL against USD, indicates a negative direction toward coffee pricing. This is because it changes the value of coffee beans. Also, the import of coffee beans from Brazil to the US is slightly positively related to coffee pricing since the demand for coffee beans in the US exceeds Brazil's supply. (2) Combined with what is mentioned in (1), the following three factors most affect the COVID-19 social environment. The EU tariffs are becoming insignificant due to general and preferential rates converging. Because the monetary policy has lost much of its ability to influence local markets, it becomes unimportant to global coffee pricing. Meanwhile, international import from the US and export from Brazil becomes relevant to coffee pricing because of the transportation and Brazilian production problems.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».