MétaCan
Menu
Retour à la cohorte
Enregistrement W4406083779 · doi:10.1186/s40854-024-00694-4

Dynamics of the relationship between stock markets and exchange rates during quantitative easing and tightening

2025· article· en· W4406083779 sur OpenAlexaboutno aff
Farzaneh Ahmadian-Yazdi, Amin Sokhanvar, Soheil Roudari, Aviral Kumar Tiwari

Notice bibliographique

RevueFinancial Innovation · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuantitative easingEconomicsMonetary economicsEconometricsStock (firearms)Stock exchangeStock marketFinancial economicsMonetary policyCentral bankMaterials scienceFinance

Résumé

récupéré en direct d'OpenAlex

Abstract This study utilizes two complementary models, the Time-Varying Parameter Vector Autoregressive Diebold–Yilmaz (TVP-VAR-DY) and the Time-Varying Parameter Vector Autoregressive Baruník–Křehlík (TVP-VAR-BK), to investigate the dynamic volatility transmission between exchange rates and stock returns in major commodity-exporting and -importing countries. The analysis focuses on periods of quantitative easing (QE) and quantitative tightening (QT) from March 15, 2020 to December 30, 2022. The countries examined are Canada and Australia (major commodity exporters) and the UK and Germany (major commodity importers). An essential contribution of this paper is new empirical insights into the dynamics of stock market returns and the transmission of volatility between these markets and exchange rates during the QE and QT periods. The results reveal that causality primarily flows from stock markets to exchange rates, especially during the QT period across all investment horizons. The Toronto Stock Exchange (TSX) emerges as the principal net driver among the markets under study. Furthermore, the Canadian exchange rate (USDCAD) and the Australian Stock Exchange (ASX) are the most significantly affected indices within the network across various investment horizons (excluding the long-term). These findings underscore the importance for investors and policymakers to consider the interplay between exchange rates and stock market returns, particularly in the context of the QE and QT periods, as well as other economic, political, and health-related events. Our findings are relevant to various stakeholders, including governments, traders, portfolio managers, and multinationals.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,053
Tête enseignante GPT0,278
Écart entre enseignants0,225 · 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'étudeObservationnel
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

Citations12
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFinancial InnovationMême sujetMarket Dynamics and VolatilityTravaux en français237 207