L’apport du NATREX à la modélisation des taux de change d’équilibre : théorie et application au dollar canadien
Bibliographic record
Abstract
L’analyse des mésalignements des taux de change, sur/sous-évaluations des monnaies, reste au coeur des débats de la finance internationale. Or, ces mésalignements ne peuvent être définis et mesurés qu’en référence à un taux de change d’équilibre. On considère que le modèle pertinent doit répondre à certaines exigences, qui relèvent à la fois du contenu théorique et du caractère opérationnel. Au niveau théorique ce modèle devra s’attacher d’une part à expliquer la dynamique des taux de change réels, en distinguant notamment les équilibres de moyen et long terme; d’autre part à rendre compte de l’interaction taux de change-dette externe. On montre que les modèles standard de la littérature que sont la PPA, le modèle FEER et le modèle BEER, ne répondent que partiellement à ces exigences, et qu’a contrario, le NATREX constitue à ce jour l’approche la plus élaborée. On procède à une application empirique au cas du dollar canadien à partir des trois modèles de référence, le FEER, le BEER et le NATREX, sur la période débutant au 1er trimestre de 1970 et se terminant au 3e trimestre de 2008. On en déduit les valeurs correspondantes pour le taux de change nominal d’équilibre du dollar canadien contre dollar américain. On conclut que le NATREX constitue un guide utile pour les autorités monétaires, comme pour les opérateurs privés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".