MétaCan
Menu
Retour à la cohorte
Enregistrement W2788564912 · doi:10.12735/jfe.v8n1p1

European Market Factors and Macroeconomic Fundamentals: Trend at Firm Level Including the IT Bubble and Sovereign Debt Crisis

2018· article· en· W2788564912 sur OpenAlexvenueno aff
Miguel Artiach, Eva Ferreira, Miguel Ángel Martínez Sedano, Susan Orbe

Notice bibliographique

RevueJournal of Finance & Economics · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsMonetary economicsEuropean debt crisisSovereign debtFinancial crisisGovernment (linguistics)DebtGovernment debtSovereigntyInternational economicsMacroeconomicsInterest rateEuropean unionEuropean integrationPolitics

Résumé

récupéré en direct d'OpenAlex

We analyse the trend in global, country and industry effects at firm level based on an extensive database of 2048 equities spread over 17 European economies and 10 industry groups, running from 1974 to 2013. We find significant increasing market integration and decreasing country effects for most countries and industries since the advent of the EMU. However, these effects are now reversing in the wake of the sovereign debt crises. Industrial factor effects have decreased in technological sectors and increased in “old economy” sectors since the bursting of the IT bubble, and are larger than country effects in most countries and industries. From a macroeconomic point of view, we report evidence of a link between the percentage of variance that can be attributed to the country effect and government budget deficits/surpluses and sovereign risks. More strikingly, we find that global common factor effects anticipate changes in GDP by one to three terms. These results support the notion of market integration having macroeconomic predictive power.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,370
Score d'incertitude au seuil1,000

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 savante0,0000,001
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 Opus0,065
Tête enseignante GPT0,254
Écart entre enseignants0,189 · 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.

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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Finance & EconomicsMême sujetGlobal Financial Crisis and PoliciesTravaux en français237 207