Dynamics of the relationship between stock markets and exchange rates during quantitative easing and tightening
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle