The Dow Jones Precious MetalsIndex and Global Markets
Notice bibliographique
Résumé
The study investigated the relationship between the Dow Jones Precious Metal Index (DJGSP) and market indexes of the largest economies of the world, which included the U.S., the U.K., Germany, Sweden, Spain, Brazil, Hong Kong, Australia, Norway, and Canada for the five-year period from April 2007 to April 2012. The multiple correlation coefficient and coefficient of determination (CoD) were calculated to study this relationship. The multiple correlation coefficient measured the relationship between the DJGSP and market indexes, while the CoD indicated the percentage of the variation in the DJGSP that can be explained and accounted for by the market indexes in the regression equation. The multiple regression analysis was performed to study the effect of 10 market indexes on the movement of DJGSP. Results implied that market indexes of 7 out of 10 economies, when used together, better predicted the movements in the DJGSP. It was also found that, when individual market indexes were regressed with DJGSP, the DJGSP was highly correlated with Brazil’s market index and was least correlated with the U.S. market index. As the precious metals index has a very high regression coefficient relative to equity indexes of different economics, the precious metals should not be used to diversify global equity portfolios. <bold>TOPICS:</bold> <ext-link>Commodities</ext-link>, <ext-link>statistical methods</ext-link>, <ext-link>global</ext-link>, <ext-link>portfolio construction</ext-link>
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».