MétaCan
Menu
Retour à la cohorte
Enregistrement W4400412507 · doi:10.1016/j.irfa.2024.103429

Why does uncovered interest parity fail empirically?

2024· article· en· W4400412507 sur OpenAlexaff
Nusrate Aziz

Notice bibliographique

RevueInternational Review of Financial Analysis · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensAlgoma UniversityWilfrid Laurier UniversityThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésInterest rate parityEconomicsExchange rateInterest rateEconometricsDe factoInternational Fisher effectEmpirical evidenceReal interest rateCapital marketFallacyPanel dataMonetary economicsFinancial economicsFisher hypothesisFinance

Résumé

récupéré en direct d'OpenAlex

The Uncovered Interest Parity theory, predicated on perfect capital mobility and a floating exchange rate regime, faces challenges in real-world contexts marked by capital restrictions and diverse exchange rate regimes. This research investigates the validity of the UIP hypothesis in selected OECD countries, considering the role of capital control and de facto exchange rate regimes. By analyzing annual and monthly data, including immediate rates, short-term borrowing rates, and 10-year government bond rate differentials, several panel estimation techniques and alternative empirical models are employed. The results are robust to sub-sample analyses, alternative specifications of the empirical model, and different estimation methods. The study provides evidence supporting the UIP, particularly for immediate and short-term interest rates. The empirical examination underscores the necessity of accounting for the de facto floating exchange rate regime and capital flow restrictions when testing the UIP model. Consequently, the UIP hypothesis moves beyond being a theoretical fallacy and emerges as empirically verifiable, holding significant implications for policymakers and advancing the understanding of international finance.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,607
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,065
Tête enseignante GPT0,293
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Review of Financial AnalysisMême sujetMonetary Policy and Economic ImpactTravaux en français237 207