MétaCan
Menu
Retour à la cohorte
Enregistrement W2466728838 · doi:10.1016/j.rfe.2016.06.005

Dynamic correlations and volatility linkages between stocks and <i>sukuk</i>: Evidence from international markets

2016· article· en· W2466728838 sur OpenAlexaff
Alex Sclip, Alberto Dreassi, Stefano Miani, Andrea Paltrinieri

Notice bibliographique

RevueReview of Financial Economics · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensTellabs (Canada)
Organismes subventionnairesnon disponible
Mots-clésSukukBondVolatility (finance)Equity (law)EconomicsDiversification (marketing strategy)Financial economicsFinancial crisisAsset allocationPortfolioBusinessMonetary economicsFinanceIslamIslamic finance

Résumé

récupéré en direct d'OpenAlex

Abstract An understanding of volatility and co‐movements in financial markets is important for portfolio allocation and risk management practices. The current financial crisis caused a shrinkage in values of most assets, an increased volatility and a threat to the survival of several institutional investors. Managing risks and returns within the classic portfolio theory, when correlations across securities soar, is increasingly challenging. In this paper, we investigate the volatility behavior and the co‐movements between sukuk and international stock indexes. Symmetric multivariate GARCH models with dynamic conditional correlations (DCC) were estimated under Student‐t distribution. We provide evidence of high correlations between sukuk and US and EU stock markets, without finding the well‐known flight to quality behavior affecting Islamic bonds. We also show that volatility linkages between sukuk and regional market indexes are higher during financial crisis. We argue that investors could obtain diversification benefits including sukuk in a well‐diversified equity portfolio, given their lower volatility compared to equity. But higher volatility linkages and dynamic correlations during financial crises show that they are hybrid instruments between bonds and equity. Our findings are relevant for institutional investors and asset managers that include Islamic bonds in a diversified portfolio.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,032
Tête enseignante GPT0,255
Écart entre enseignants0,224 · 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

Citations50
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Financial EconomicsMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207