An Impact of the Canada and the U.K. Return Volatility on the Hong Kong and the Singapore Stock Market Returns: A DCC and Bivariate AIGARCH Model
Notice bibliographique
Résumé
This paper discusses the model construction and the association between the Hong Kong and the Singapore stock markets. The data period is from January 2001 to August 2010. The empirical results show that the dynamic conditional correlation (DCC) and the bivariate AIGARCH(1, 1) model are appropriate in evaluating the relationship of the Hong Kong and the Singapore stock markets. The empirical results also indicate that the Hong Kong and the Singapore stock markets are in a positive relation. The average estimation value of correlation coefficient equals 0.645, which implies that the two stock markets is synchronized influence. Besides, the empirical result also shows that the Hong Kong and the Singapore stock markets have an asymmetrical effect. The return volatility of the Hong Kong and the Singapore stock markets receives the influence of the positive and negative values of the Canada and the U.K. return volatility rates. The evidence might suggest that stock market investors or international fund manager must consider the Canada stock price return volatility risk and its close connection with the U.K. market while making investment decision on the Hong Kong and the Singapore stock market. In other words, in addition to considering the stability of stock market time, investors should take into consideration the foreign country stock market return volatility behavior in order to achieve the anticipated effect.
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 | 0,036 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».