From the ballot to the bond market: the impact of Donald Trump's return on US treasury yields and inflation expectations
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
Purpose This study examines how Donald Trump's re-election on November 6, 2024, influenced US financial markets, focusing on long-term interest rates and inflation expectations. Understanding market responses to political outcomes helps investors manage risk and supports economic forecasting and policy decisions. Design/methodology/approach We use daily data from August 1, 2024 to February 28, 2025 on the 10-Year Treasury Yield (TY10) and the 5-Year Breakeven Inflation Rate (BEI5). Four econometric models are utilized, including an Interrupted Time Series (ITS), Local Projections (LP), Event Study, and Quantile Regression (QR). All models control for key macro-financial factors, including the Economic Policy Uncertainty Index (EPU), the CBOE Volatility Index (VIX), and the US Dollar Index (DXY). Newey-West and bootstrapped standard errors are used to correct for autocorrelation and heteroskedasticity. Findings Results show that TY10 and BEI5 increased gradually after the election. The ITS model showed a trend reversal in which yields and expectations had been rising before the election but began flattening or falling afterward. The LP model found significant increases starting on Day 1, peaking by Day 3, and persisting through Day 7. The event study confirmed a cumulative rise of 8.5 basis points in TY10 and 5 basis points in BEI5. QR revealed stronger effects in lower parts of the distribution. Among controls, DXY had a consistently strong positive effect, while EPU and VIX had more mixed and context-dependent influences. Originality/value This study adds new insight into how financial markets respond to a major political event using high-frequency data and multiple methods.
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 | 0,000 |
| 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