MétaCan
Menu
Retour à la cohorte
Enregistrement W2474377696 · doi:10.1108/afr-02-2016-0013

Quantitative finance for agricultural commodities: discussion and extension

2016· article· en· W2474377696 sur OpenAlexaff
Gabriel J. Power

Notice bibliographique

RevueAgricultural Finance Review · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésFutures contractEstimatorWaveletEconomicsTime horizonExtension (predicate logic)HorizonEconometricsFinancial economicsVariance (accounting)Term (time)Value at riskCommodityRisk managementFinanceComputer scienceMathematicsStatisticsAccounting

Résumé

récupéré en direct d'OpenAlex

Purpose – The purpose of this paper is to review three papers in this issue and contribute new results on commodity futures prices and volume using wavelet analysis. Design/methodology/approach – The paper uses time series econometrics including variance ratio tests, fractional integration estimators, and wavelet transforms. Findings – The role of time horizon is emphasized in the discussion of the three papers, and wavelet methods are shown to be a useful tool to better understand time horizon-specific risk. Moreover, changes in the time horizon of futures trading are documented and discussed. Originality/value – In addition to discussing three papers on quantitative finance for agricultural commodities, this paper also looks at how the analysis and management of short-term and long-term risk may differ. To this end, wavelet transform-based time series methods are reviewed and applied.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,826
Score d'incertitude au seuil0,503

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,038
Tête enseignante GPT0,256
Écart entre enseignants0,217 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultural Finance ReviewMême sujetMarket Dynamics and VolatilityTravaux en français237 207