MétaCan
Menu
Retour à la cohorte
Enregistrement W7144443055

急速な円安進行による株価指数の変動に関するベイズモデルを用いた実証分析

2022· article· ja· W7144443055 sur OpenAlexaboutno aff
稔 小林

Notice bibliographique

RevueInstitutional Repositories DataBase (IRDB) · 2022
Typearticle
Langueja
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMonetary policyRecessionMoney supplyQuarter (Canadian coin)Economic recoveryStock (firearms)Interest rateOverheating (electricity)Quantitative easing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The global pandemic of COVID-19 continues in September 2022, and socioeconomic activities are in great turmoil.In Japan, various socioeconomic activities were restricted due to the declaration of a state of emergency and measures to prevent the spread of the virus four times, and the flow of people was curbed.The domestic economy was in a slump, and domestic GDP fell significantly in the second quarter of 2020.However, the government and the Bank of Japan implemented large-scale monetar y easing policies, special fixed-price benefits, temporar y leave support and benefits in response to the new coronavirus infection, employment adjustment subsidies, and other support policies, and the monetary base expanded rapidly.As a result, domestic GDP has shown a moderate recovery trend since the third quarter of 2020.United States is in a similar situation, with a temporary economic downturn early in the COVID-19 pandemic.However, the monetary base expanded rapidly due to economic policies centered on cash transfers, and the economy continued to recover from the third quarter of 2020.Turning to the stock market, the Nikkei 225 Stock Average temporarily topped 30,000 yen, the highest price since the collapse of the bubble economy.In U.S. stock market, the Dow Jones Industrial Average hit an all-time high, and the sense of overheating increased.In Japan, the Bank of Japan has been continuing its monetary easing policy to date in order to achieve its price stability target.In U.S., however, the economy has been recovering and the consumer price index has risen sharply, increasing the sense of caution about inflation, and the Federal Reser ve Board has shifted to a tighter monetar y policy.Due to the reversal of monetary policy between Japan and U.S., the interest rate differential has widened and the dollar/yen exchange rate has rapidly shifted to depreciation of the yen.This paper attempts to analyze and examine fluctuations in the Nikkei Stock Average in an environment where the dollar/yen exchange rate shifts to depreciation of the yen.Specifically, we construct a state-space model from the data of the Nikkei Stock Average, the dollar/yen exchange rate, and the Dow Jones Industrial Average, solve the model using MCMC, and discuss the results.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,018

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 Opus0,042
Tête enseignante GPT0,262
Écart entre enseignants0,220 · 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'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitutional Repositories DataBase (IRDB)Même sujetCOVID-19 Pandemic ImpactsTravaux en français237 207