MétaCan
Menu
Retour à la cohorte
Enregistrement W2800985387 · doi:10.5539/ijef.v10n5p197

Investigation of Co-Integration between Standard and Poor Index and Dow Jones Index in the New York Financial Market

2018· article· en· W2800985387 sur OpenAlexvenueno aff
Ateyah Mohammad Alawneh

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEconomic and Technological Developments in Russia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndex (typography)Diversification (marketing strategy)EconomicsFinancial marketInvestment (military)Capitalization-weighted indexFinancial economicsStock market indexBusinessFinanceStock marketComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

The study investigates the co-integration between (the S&P 500 index)and (Dow Jones index) the DJIA by busing the method Engle-granger co-integration Test. The study use annual data from 1990 to 2016.The study examines the stability of the index of S&P 500 and DJIA using the E-views program through a unit root test. The study found that the indicators are unstable, but they become stable when taking the first difference. This condition integrates (the S&P 500 index) and (the DJIA index) during the long-term co-integration test. The analysis shows that there is a negative co-integration between the two variables. It should be emphasized that the short-term dynamic analysis showed a positive co-integration between both indexes. The study concluded that there is an urgent need to take into account the long-term negative co-integration between (the S&P 500 index) and (the DJIA index) by investors in the New York market. Also, the study considers short-term positive integration between (the S&P 500 index) and (DJIA index), which turns into a negative relationship in the long term when taking into account the markets linked with the New York market as a major global market and other international financial markets when making any financial investment. The result of this study could help users of major international financial markets in investment diversification to reduce risk.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,175

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,028
Tête enseignante GPT0,272
Écart entre enseignants0,243 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetEconomic and Technological Developments in RussiaTravaux en français237 207