MétaCan
Menu
← Retour à la cohorte
Enregistrement W1517531208

Co-integration of Karachi stock exchange with major Asian markets

2012· article· en· W1517531208 sur OpenAlexaboutno aff
Asma Sarfraz, Sumbal Shehzadi, Haroon Hussain, Mohsin Altaf

Notice bibliographique

RevueActa Universitatis Danubius Oeconomica · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVariance decomposition of forecast errorsStock marketGranger causalityEmerging marketsEconomicsStock exchangeStock (firearms)Standard deviationStock market indexChinaFinancial economicsEconometricsGeographyStatisticsMacroeconomicsMathematicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this research is to study the long run relationships and co movement amongthe stock markets of Pakistan and other Asian stock marketsi.e.India,Malaysiaand Indonesia.Overthe period of Jan 1,1998 to October 3,2011.This paper examines the co-movement among stockmarkets of Pakistan,India,Malaysia and Indonesia.Descriptive statistics,correlation,co-integrationtests are run to check the behavior and co movement of markets.Granger causality test is used tocheck the lead lag relationship.Impulse response tells about the one standard deviation change inmarket bring what standard deviation change in other market.Variance decomposition technique isused to decompose the variance in one market due to change in another market and due to its owndynamicsi.e.economic and political conditions also affect the market.The results shows that the fourmarkets Pakistan,India,Malaysia and Indonesia areweakly correlated with each other and find noco-integration.Variance decomposition shows that most of the change in above listed countries is dueto their own factors.Number of studies has been conducted on developed markets like United Statesof America,United Kingdom,France,Japan Canada and underdeveloped countries,but this paperfocuses on emerging markets of Asia.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,208
Écart entre enseignants0,187 · 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'étudeObservationnel
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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa Universitatis Danubius Oeconomica→Même sujetFinancial Markets and Investment Strategies→Travaux en français237 207→