MétaCan
Menu
Retour à la cohorte
Enregistrement W3034385020 · doi:10.3390/jrfm13060119

Does Bitcoin Hedge Commodity Uncertainty?

2020· article· en· W3034385020 sur OpenAlexvenueno aff
Khánh Hoàng, Cuong Nguyen, Kongchheng Poch, Thang Xuan Nguyen

Notice bibliographique

RevueJournal of risk and financial management · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial connectednessSpillover effectVolatility (finance)HedgeCommodityCryptocurrencyIndex (typography)EconomicsMonetary economicsFinancial economicsBusinessMicroeconomicsComputer scienceComputer securityPsychologyFinanceSocial psychology

Résumé

récupéré en direct d'OpenAlex

This paper examines the connectedness between Bitcoin and commodity volatilities, including oil, wheat, and corn, during the period Oct. 2013–Jun. 2018, using time- and frequency-domain frameworks. The time-domain framework’s results show that the connectedness is 23.49%, indicating a low level of connection between Bitcoin and the commodity volatilities. Bitcoin contributes only 2.55% to the connectedness, while the wheat volatility index accounts for 12.51% of the total connectedness. The frequency connectedness shows that Bitcoin’s contribution to the total connectedness increases from high-frequency to low-frequency bands, and the total connectedness reaches up to 22.47%. It also indicates that Bitcoin is the spillover transmitter to the wheat volatility, while being the spillover receiver from the oil and corn volatilities. The findings suggest that Bitcoin could be a hedger for commodity volatilities.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,893
Score d'incertitude au seuil0,189

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,209
Écart entre enseignants0,202 · 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'étudeSans objet
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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207