Short and Long Memory in Equilibrium Interest Rate Dynamics
Bibliographic record
Abstract
Dans cet article, nous analysons une classe de processus pour le taux d'intérêt à court terme, qui sont dérivés dans un cadre d'équilibre en temps discret. La dynamique des taux d'intérêts et des rendements est commandée par la dynamique de la volatilité conditionnelle de la variable d'état. Sous des restrictions de paramètres appropriées, les taux d'intérêt dérivés dans ce cadre sont non-négatifs. Nous étudions les processus Markovien de taux d'intérêt, de même que des procédés Markoviens plus généraux, qui affichent une mémoire courte et longue. Ces processus affichent aussi des schémas d'hétéroscédasticité qui sont plus généraux que ceux des modèles d'équilibre existants. Nous trouvons que les déviations à la structure Markovienne améliorent de façon significative la performance empirique du modèle et que les données soutiennent la présence de mémoire longue. Nous trouvons également que les données soutiennent des schémas d'hétéroscédasticité qui diffèrent de ceux présents dans les modèles d'équilibre existants.
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 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".