Effet de l'incertitude macroéconomique et du risque financier sur le taux de change du dollar canadien vis-à-vis du dollar américain
Bibliographic record
Abstract
Pour une petite économie ouverte comme le Canada, le taux de change est une variable macroéconomique très importante. La littérature empirique montre qu'il est difficile de bien prévoir et d'expliquer les fluctuations du taux de change. Le prix du pétrole, le taux d'intérêt, le taux d'inflation, la production industrielle sont des facteurs qui peuvent expliquer les fluctuations du taux de change. Cependant, ces facteurs n'expliquent pas toujours les grandes variations du taux de change du dollar canadien vis-à-vis du dollar américain. Au cours de la dernière décennie, de nombreuses études se sont penchées sur l'incertitude (macroéconomique, financière, ...) et son impact sur l'activité économique. Cependant, les études qui mettent en relation l'incertitude macroéconomique, le risque financier et le taux \nde change CAD / USD sont quasi inexistantes. Cette étude porte sur l'impact de l'incertitude macroéconomique et du risque financier sur le taux de change du dollar canadien vis-à-vis du dollar américain. À l'aide d'un modèle vectoriel autorégressif structurel, nous étudions les réactions de ce taux de change aux chocs de risque financier et d'incertitude macroéconomique. Les résultats obtenus suggèrent qu'une augmentation du risque financier et de l'incertitude macroéconomique au Canada ou aux États-Unis entraîne une dépréciation du dollar canadien vis-à-vis du dollar américain.\t \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : incertitude macroéconomique, risque financier, taux de change CAD / USD, VAR structurel, projection locale.
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 | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".