MétaCan
Menu
Retour à la cohorte
Enregistrement W7143816192 · doi:10.15057/30822

石油価格変動が為替レートとマクロ変数に与える影響 : A Multi-Country Analysis

2019· article· ja· W7143816192 sur OpenAlexaboutno aff
Tokuo Iwaisako, Hayato Nakata

Notice bibliographique

RevueInstitutional Repositories DataBase (IRDB) · 2019
Typearticle
Langueja
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExchange rateVector autoregressionStructural vector autoregressionOil priceStructural breakMacroSample (material)Demand shock

Résumé

récupéré en direct d'OpenAlex

This paper employed a structural vector autoregression model in a quantitative assessment of the effect of exogenous shocks related to oil price determination on countriesʼ exchange rates and outputs. Because we were interested in the effect of oil price changes on energyexporters and importers, we chose Australia, Canada, Japan, Norway, and the UK as sample countries. This model comprised of four structural shocks :(i)oil supplyshocks,(ii)global demand shocks,(iii)oil price fluctuations that are not related to supplyand demand, and(iv)pure exchange rate fluctuations that are not related to other structural shocks. Various responses to structural shocks explain the correlation structure of the currencies. Moreover, pure exchange rate shocks are the main sources of exchange rate volatility.We also examined the role of structural shocks in explaining macro variables, taking Australia and Japan as examples. We thus discovered that global demand shocks and non-fundamental oil price fluctuations have a strong impact on GDP and export growth for both countries, while pure exchange rate shocks were relativelyunimportant in explaining Japanʼs macroeconomic variables.

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)0,004
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 enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,237
Écart entre enseignants0,218 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitutional Repositories DataBase (IRDB)Même sujetMarket Dynamics and VolatilityTravaux en français237 207