EXCHANGE RATE FORECASTING: THE FUNDAMENTAL FORECASTING MODEL
Notice bibliographique
Résumé
This paper is using the fundamental forecasting model, which is a monetarist theory of exchange rate determination, for the current forecasting. This theory is tested empirically by using data, spot and forward rates and a variety of macro-variables from seven different countries with respect the U.S., as our domestic country. A GARCH-M model is used to forecast the volatility of the spot exchange rate. The paper is also using a Vector Auto-regression (VAR) framework to forecast simultaneously spot (s_t) and forward (f_t) exchange rates by utilizing exogenous macro-variables, time trends, and policy instruments. Further, at the end an impulse response function and a Hodrick-Prescott filter are used to present visually the behavior of the spot exchange rate. The countries used in the empirical work are, U.S. with respect the Euro-zone, Mexico, Canada, U.K., Switzerland, Japan, and Australia. The results show that these methods are giving very good forecasting for these seven exchange rates by minimizing the standard error of the regression (SER) and the root mean squared error (RMSE). Of course, uncertainty exists always in the forecasting of any economic variables, due to unanticipated public policies (monetary, fiscal, and trade) and other “innovations” in our financial markets, plus the new philosophies (i.e., liberalism, lack of ethics, perversions, DEI, AI, wars, BRICS, etc.), official measurements, and value system in our markets, societies, and way of living.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».