MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404113243 · doi:10.3390/jrfm17110495

Small-Country Mundell–Fleming (IS/LM/BP) Model Predictions Under Both Fixed and Flexible Exchange Rates: Evidence from Australia and S. Korea

2024· article· en· W4404113243 sur OpenAlexvenueno aff
Jonathan E. Leightner

Notice bibliographique

RevueJournal of risk and financial management · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFixed exchange ratesEconomicsKeynesian economicsExchange rateMonetary economicsEconometrics

Résumé

récupéré en direct d'OpenAlex

The small-country IS/LM/BP (Mundell–Fleming) model predicts that monetary policy is totally ineffective in countries with fixed exchange rates and super-effective in countries with flexible exchange rates. Furthermore, this model predicts that, under fixed exchange rates, fiscal policy is stronger the more mobile capital is in terms of moving in and out of the country, but it predicts the opposite for countries with flexible exchange rates; fiscal policy is stronger the less mobile capital is. This paper tests these predictions by applying reiterative truncated projected least squares (RTPLS) to quarterly data from Australia and the Republic of Korea when they employed fixed and then flexible exchange rates. RTPLS produces a separate total derivative estimate for each observation, where the differences in these estimates are due to omitted variables. By doing so, RTPLS makes it possible to see how the estimated relationship changes over time. I found that the effectiveness of monetary policy was not zero under fixed exchange rates but that its effectiveness did increase when Australia and S. Korea switched to flexible exchange rates. Under flexible exchange rates, I found that the effectiveness of fiscal policy was statistically higher than zero for both countries, which conflicts with the assumption of perfect capital mobility.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,267
Écart entre enseignants0,148 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetMonetary Policy and Economic Impact→Travaux en français237 207→