Effects of Interest Rate on Stock Market Returns in Kenya
Notice bibliographique
Résumé
Debate on the stochastic behaviour of stock market returns, 3-month Treasury Bills rate, lending rate and their cointegrating residuals remains unsettled. This study examines the stochastic properties of the macroeconomic variables, stock market returns and their cointegrating residuals using an Autoregressive Fractionally Integrated Moving Average (ARFIMA) model. It also investigates Granger causality between the two measures of interest rate and stock market returns. The study uses monthly data from 1st January 1993 to 31st December 2015. The results indicate that the 3-month Treasury Bills rate, lending rate and stock market returns are fractionally integrated which implies that shocks to the variables persist but eventually disappear. The results also reveal that the cointegrating residuals are fractionally integrated which suggests that a new and harmful long-run equilibrium might be established when each of the measures of interest rate is driven away from stock market returns. Additionally, the results indicate that the 3-month Treasury Bills rate and lending rate negatively Granger cause stock market returns in the long run. This suggests that stocks and Treasury Bills are competing investment assets. On the other hand, ARFIMA-based Granger causality reveals that stock market returns lead the 3-month Treasury Bills rate and lending rate with a negative sign in the short run. This implies that a prosperous stock market results into a favorable macroeconomic environment. A key contribution of this study is that it is the first to empirically examine fractional cointegration and ARFIMA-based Granger Causality between interest rate and stock market returns in Kenya.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».