MétaCan
Menu
Retour à la cohorte
Enregistrement W2763696547 · doi:10.5539/ijef.v9n11p35

Effect of Exchange Rate Returns on Equity Prices: Evidence from South Africa and Nigeria

2017· article· en· W2763696547 sur OpenAlexvenueno aff
Jibrin Daggash, Terfa Williams Abraham

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsExchange rateStock exchangeEquity (law)Monetary economicsStock (firearms)Granger causalityLiberian dollarFinancial economicsEconometricsFinance

Résumé

récupéré en direct d'OpenAlex

This paper examines the exchange rate returns of the Rand (relative to the US dollar) and the Naira (relative to the US dollar) for the presence of volatility. It also examines the effect of the exchange rate returns on the performance of their respective stock market. While it was found that the returns of the South African Rand was volatile, the Nigerian naira was not. Estimating the effect of exchange rate returns and crude oil price on the stock market indices of both countries showed that exchange rate return have a positive effect on the performance of the Nigerian stock exchange thus, confirming the stock flow hypothesis for Nigeria and refuting same for South Africa. Although the VAR granger causality identifies short run fluctuation of the naira as a significant factor affecting the performance of the Nigerian stock exchange in the short run, the Johannesburg stock exchange was found to be mostly affected by short run changes in the Rand and the UK FTSE 100. The paper concludes that policies aimed at stabilizing exchange rate and encouraing more non-oil stocks to be quoted in the Nigerian stock exchange will important. For the Johanesburg stock exchange, raising the listing requirement for firms quoted in the UK FTSE 100 and also seeking listing or already listed in the JSE will be a plausible idea. For both countries, however, curtailing swings in their exchange rate returns would help attract new investments and sustain existing ones hence, helping to spur growth.

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)0,004
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,051
Tête enseignante GPT0,282
Écart entre enseignants0,231 · 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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetMarket Dynamics and VolatilityTravaux en français237 207