MétaCan
Menu
Retour à la cohorte
Enregistrement W2071053046 · doi:10.5539/ijef.v7n2p203

Liquidity Commonality in an Emerging Market: Evidence from the Amman Stock Exchange

2015· article· en· W2071053046 sur OpenAlexvenueno aff
Mohammad Tayeh, Adel Bino, Diana Abu Ghunmi, Ghada Tayem

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMarket liquidityFunding liquidityLiquidity crisisStock exchangeMarket impactLiquidity riskStock market crashBusinessMarket microstructureMarket makerMonetary economicsEmerging marketsFinancial crisisCapital marketEconomicsStock marketOrder (exchange)Financial economicsFinanceGeographyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

The financial crises, such as the market crash of October 1987, the 1997 East Asian financial crisis and the 1998 long-term capital management (LTCM) crisis, have all shed fresh light on the importance of systematic liquidity (i.e., market-wide liquidity factor). Following the new trend in market microstructure research, this study examines the commonality in liquidity for the Amman Stock Exchange (ASE), one of the emerging markets in the MENA region. Based on data for 247 firms from March 26, 2000 to December 31, 2011, and applying the market model of Chordia et al. (2000), the results provide strong evidence of the presence of market-wide commonality in liquidity. The cross-sectional mean of the estimated coefficient of concurrent market liquidity is statistically significant for all liquidity measures, apart from the price impact measure. Price impact aside, the results show that commonality is pervasive across all size-based portfolios. The results also show an insignificant industry component in individual stocks’ liquidity.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,132
Tête enseignante GPT0,287
Écart entre enseignants0,156 · 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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207