Agent Heterogeneity and the Real Exchange Rate
Notice bibliographique
Résumé
While the impact of agent heterogeneity has long been recognized in the Economicliterature, the link between agent heterogeneity and international asset pricing is\nyet to be fully understood. In this dissertation I use an overlapping generations\nframework to study the impact that agent heterogeneity in risk aversion has on the\nreal exchange rate determination.\nChapter 1 presents and develops the theoretical model used to study the implications\nof agent heterogeneity in risk aversion on the real exchange rate. I introduce a twocountry\nmodel that features heterogeneous risk aversion profiles for agents, both\nwithin and between countries. Furthermore, it is shown that the model can explain\nthe Cyclicality puzzle documented in Backus and Smith (1993), which highlights the\nempirical disconnect between the exchange rate and relative consumption growth.\nThis chapter also presents the numerical outcome of the model.\nChapter 2 explains the quantitative methodology used to code and find the numerical\nsolution of the model presented in chapter 1. The model does not admit a closed\nform solution and thus the presented outcome relies on the application of Monte\nCarlo Methods, the Feynman-Kac Theorem and the Piccard Iteration Theorem.\nFinally, Chapter 3 presents recent empirical evidence on the Cyclicality puzzle between\nthe US and 4 OECD countries: UK, France, Germany and Italy.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».