MétaCan
Menu
Retour à la cohorte
Enregistrement W2904721606 · doi:10.3390/jrfm11040089

Contagion Risks in Emerging Stock Markets: New Evidence from Asia and Latin America

2018· article· en· W2904721606 sur OpenAlexvenueno aff
Thi Bich Ngoc Tran

Notice bibliographique

RevueJournal of risk and financial management · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStock (firearms)Latin AmericansFinancial contagionSubprime crisisFinancial crisisEmerging marketsAutoregressive conditional heteroskedasticityEconomicsStock marketContagion effectStock market indexFinancial economicsMonetary economicsFinancial systemGeographyPolitical scienceFinanceVolatility (finance)Macroeconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to investigate whether contagion actually occurred during three well-known financial crises in 1990s and 2000s: Mexican “Tequila” crisis in 1994, Asian “flu” crisis in 1997 and US subprime crisis in 2007. We apply dynamic conditional correlation models (DCC-GARCH(1,1)) to daily stock-index returns of eight Asian stock markets, six Latin American stock markets and US stock market. Defining contagion as a significant increase of dynamic conditional correlations, we test for contagion by using a difference test for DCC means. The results obtained shows that there is a pure contagion from crisis-originating markets to other emerging stock markets during these three crisis. However, the contagion effects are different from one crisis to the other. Firstly, during the Mexican crisis, contagion is detected in only the Latin American region. Secondly, during the Asian crisis, we find evidence of contagion in some markets in both the Asian and Latin American regions. Finally, contagion is proved to be present in all stock markets with the only exception for Brazil during US subprime crisis.

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 enseignants0,427
Score d'incertitude au seuil0,686

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 Opus0,045
Tête enseignante GPT0,261
Écart entre enseignants0,215 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207