A common risk factor in global credit and equity markets: An exploratory analysis of the subprime and the sovereign-debt crises
Notice bibliographique
Résumé
This paper investigates the existence of a common risk factor across asset classes and geographical areas, focusing on the crises and post-crisis periods. This factor has important implications for diversification in investor's portfolios. We assess a worldwide sample of assets: Equity, Corporate CDS and Sovereign CDS from fourteen countries across Europe, US and Asia, and focus the analysis to a time window where diversification was crucial: the crises and post-crisis periods. To identify the factors that underlie asset movements and their composition, a Principal Component Analysis (PCA) is applied. We find that there is supporting evidence for the existence of a common risk factor that underlies 86 percent of our sample' assets movements and reflects a global non-diversifiable risk that permeates the financial system. The uncovered risk factor is robust across periods, and it is evenly distributed across assets and countries, with the noticeable exception of Japan, which follows a divergent risk pattern. This is also true, to a lesser extent, for the US, Canada and China. Within the Eurozone financial assets a higher commonality is uncovered. In addition, we confirm that the common risk factor becomes more important in times of crisis. The existence of a common risk factor limits the possibilities of diversification, in particular during turmoil periods when correlations among assets' movements rise. However, the fact that some geographies display a lower commonality can be used to improve the risk profile of diversified portfolios.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».