MétaCan
Menu
Retour à la cohorte
Enregistrement W2084206520 · doi:10.4236/ti.2012.34035

The Structural Difference of Shanghai Stock Index before and after 2008: A Copula Based Analysis

2012· article· en· W2084206520 sur OpenAlexvenueno aff
Chuan Wu, Ke Huang, Xue Tian, Weikang Geng, Hengjin Cai

Notice bibliographique

RevueTechnology and Investment · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCopula (linguistics)Stock marketEconometricsCapitalization-weighted indexStock (firearms)Marginal distributionEconomicsStock market indexTail dependenceJoint probability distributionFinancial economicsMultivariate statisticsStatisticsMathematicsGeographyRandom variable

Résumé

récupéré en direct d'OpenAlex

The year 2008 witnessed the greatest joint stock reform and financial crisis in Chinese history. After these two cases, significant changes have taken place in investors’ behaviors worldwide, along with which is the occurrence of structure change in stock market. In this paper, we employ copula model to simulate the joint distribution between Shanghai Stock Index (SSE) and Chinese Shanghai Index 300 (CSI 300), to find out structure change in Chinese stock market before and after 2008. From results of empirical studies, we get conclusions that the main nature of Chinese stocks market is symmetric, in both marginal and joint distributions. Via the changes of Copula types, upper and lower tail coefficients and Kendall coefficients, we can measure the structure change in Chinese stock market, and get further conclusion about investors’ behaviors change. Before 2008, there is an equal power in quitting market and longing, while diversified investors adjusted their expectation uniformly after this year. Testing results show that the general dependence structure of CSI 300 and SSE is highly dependent and symmetric in most cases. From the distribution of upper and lower tail coefficients, we can draw the conclusion that stratified investors are mainly focused on two tasks, after this year, to close the position on stocks with high correlated stocks market and to maintain market value of stocks.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,301

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,222
Écart entre enseignants0,206 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnology and InvestmentMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207