MétaCan
Menu
Retour à la cohorte
Enregistrement W2151732057 · doi:10.5430/ijfr.v5n4p120

A Study of the Effect of Macroeconomic Variables on Stock Market: Saudi Perspective

2014· article· en· W2151732057 sur OpenAlexvenueno aff
Durga Prasad Samontaray, Sultan Nugali, Bokkasam Sasidhar

Notice bibliographique

RevueInternational Journal of Financial Research · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesKing Saud University
Mots-clésEconometricsEconomicsVariablesStock (firearms)Stock market indexRegression analysisStock exchangeIndex (typography)Stock marketWest Texas IntermediateOil priceFinancial economicsStatisticsMonetary economicsMathematicsGeographyVolatility (finance)FinanceComputer science

Résumé

récupéré en direct d'OpenAlex

As we know investment in the Saudi stock market (TASI) is gaining popularity particularly since 2001 (Report of Aljazira Capital – 2010), it is important to know the impact of different macro-economic variables on the returns of the Saudi stock market. In this regard along with an extensive literature review we also referred specific recent few important studies which considered the Saudi stock return as a dependent variable and other economic factors as the independent variables [Kalyanaraman and Al-Tuwajri (2014), Arouri and Rault (2010) and Onour (2008)]. This paper examines the three important factors influencing the returns in the Saudi Stock Exchange (TASI) based on the macroeconomic variables of Saudi Economy. The dependent variable taken here is the Saudi index that is TADAWUL All Stock Index (TASI) and the three independent variables considered for our study here are the Oil WTI, Saudi Exports and the PE Ratio. Correlation analysis revealed that Saudi Exports and the PE Ratio were found to be highly correlated with TASI at 1% level of significance whereas Oil WTI and TASI are significantly correlated at 5% level. Step-wise regression analysis of the data revealed that the multiple regression models is significant at 1% level and the variable PE Ratio was the most important determinant of TASI followed by Oil WTI and Saudi Exports. Further the three independent variables explain about 93% of variation in the TASI Last Price.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,510
Score d'incertitude au seuil0,319

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
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 ouverte0,0010,000
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 Opus0,021
Tête enseignante GPT0,325
Écart entre enseignants0,304 · 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

Citations19
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetIslamic Finance and Banking StudiesTravaux en français237 207