Re-examining covariance risk dynamics in international stock markets using quantile regression analysis
Notice bibliographique
Résumé
This investigation is one of the first to adopt quantile regression (QR) technique to examine covariance risk dynamics in international stock markets. Feasibility of the proposed model is demonstrated in G7 stock markets. Additionally, two conventional random-coefficient frameworks, including time-varying betas derived from GARCH models and state-varying betas implied by Markov-switching models, are employed and subjected to comparative analysis. The empirical findings of this work are consistent with the following notions. First, the beta smile (beta skew) curve for the Italian, U.S. and U.K. (Canadian, French and German) markets. That is, covariance risk among global stock markets in extremely bull and/or bear market states is significantly higher than in stable periods. Additionally, the Japanese market provides a special case, and its beta estimate at extremely bust state is significantly lower, not higher than that at the middle region. Second, the quantile-varying betas are identified as possessing two key advantages. Specifically, the comparison of the system with quantile-varying betas against that with time-varying betas implied by GARCH models provides meaningful implications for correlation-volatility relationship among international stock markets. Furthermore, the quantile-varying beta design in this study relaxes a simple dual beta setting implied by Markov-switching models of Ramchand — Susmel (1998) and can identify dynamics of asymmetry in betas.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».