MétaCan
Menu
Retour à la cohorte
Enregistrement W1999775901 · doi:10.12735/jfe.v2i4p01

The Effect of Policy Rate Changes on Bank Stock Returns in Pakistan

2014· article· en· W1999775901 sur OpenAlexvenueno aff
Habib Ur Rahman, Hasan Mohsin, Patrick A. Rivers

Notice bibliographique

RevueJournal of Finance & Economics · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStock (firearms)EconomicsFinancial systemBusinessMonetary economicsGeography

Résumé

récupéré en direct d'OpenAlex

Objective of this study is to analyze the impact of policy rate changes on bank stock returns in Pakistan by using daily stock returns from 1998 to 2011. We used event study approach by constructing the estimation window of 250 days and an event window of 31 days (15 pre-event days, event day and 15 post event days. The daily stock returns from 1998 to 2011 have been used to analyze the impact of policy rate changes by State Bank of Pakistan (SBP) on banking stock returns. The study used ARIMA model to estimate the normal returns by using estimation window of 250 days. Since Monetary Policy committee decides changes in policy rate, we have used date of MP Committee meeting as an event. Reportedly, 35 meetings were conducted during study period from Jan 1998 to Dec 2011. Abnormal returns are calculated by taking the difference of actual daily stock returns and estimated daily stock returns. Abnormal daily stock returns are aggregated as cumulative abnormal returns (CAR). The CAR at 0.6340 showed a significant impact of policy rate changes on banks stock returns. The study finds 31 out of all 35 events have significant impact on banks stock returns and returns were normal at 4th day of MP announcement. Further, we analyzed the impact with respect to expansionary and contractionary monetary policy and observed that the highest positive impact on banks stock returns was due to expansionary monetary policy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,594
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,239
Écart entre enseignants0,232 · 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 tête enseignante, 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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Finance & EconomicsMême sujetIslamic Finance and Banking StudiesTravaux en français237 207