Effets des politiques monétaires sur la rentabilité boursière dans les marchés émergents : modélisation avec VAR structurel
Bibliographic record
Abstract
Ce travail de recherche porte sur l’estimation des effets des chocs de politique monétaire sur le rendement réel boursier des cinq marchés boursiers émergents du BRICS (Brésil, Russie, Inde, Chine et Afrique du Sud). Basé sur un modèle modifié des travaux de Bjørnland et Leitemo (2009), les objectifs de notre analyse sont l’estimation des effets de court terme et de long terme des chocs de politique monétaire sur la rentabilité boursière des BRICS et une comparaison des réponses instantanées et des amplitudes des rendements boursiers des marchés développés tels que le Canada et les États-Unis à ceux des marchés émergents des BRICS. Nous calculons les fonctions estimées des réponses à partir de deux modèles : un modèle vectoriel autorégressif sans mesure d’incertitude macroéconomique et un modèle vectoriel autorégressif avec mesure d’incertitude macroéconomique. Les résultats de ces deux modèles, appliqués à des données mensuelles des pays du BRICS et les pays développés tels que les États-Unis et le Canada, suggèrent une réaction initiale négative des rendements boursiers à la suite d’un choc structurel de politique monétaire restrictive. Ces réactions essentiellement négatives et significatives dans le court terme, disparaissent sur le long terme. L’ampleur des réponses des rendements boursiers va varier selon le modèle. En effet, les amplitudes des réponses des cours boursiers réels sur les marchés financiers des BRICS (excepté le Brésil) sont supérieures à celles des États-Unis et du Canada dans un modèle vectoriel autorégressif sans mesure d’incertitude macroéconomique. Dans un modèle intégrant une variable d’incertitude macroéconomique par contre, l’amplitude des réponses des cours réels des actions sur le marché boursier américain est nettement supérieure à celles des BRICS et du Canada. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : politique monétaire, rendement boursier réel, marchés boursiers des BRICS, marchés boursiers développés, VAR structurel.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".