MétaCan
Menu
Retour à la cohorte
Enregistrement W3041950432 · doi:10.3390/jrfm13070148

Return and Volatility Transmission between World-Leading and Latin American Stock Markets: Portfolio Implications

2020· article· en· W3041950432 sur OpenAlexvenueno aff
Imran Yousaf, Shoaib Ali, Wing‐Keung Wong

Notice bibliographique

RevueJournal of risk and financial management · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStock market crashSpillover effectFinancial crisisStock marketStock (firearms)Emerging marketsVolatility (finance)CrashChinaBusinessFinancial economicsStock market bubbleEconomicsFinancial marketStock market indexPortfolioMonetary economicsFinanceGeographyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This study uses the BEKK-GARCH model to examine the return-and-volatility spillover between the world-leading markets (USA and China) and four emerging Latin American stock markets over the global financial crisis of 2008 and the crash of the Chinese stock market of 2015. Regarding return spillover, our findings reveal a unidirectional return transmission from Mexico to the US stock market during the global financial crisis. During the crash of the Chinese stock market, the return spillover is found to be unidirectional from the US to the Brazil, Chile, Mexico, and Peru stock markets. Moreover, the results indicate a unidirectional return transmission from China to the Brazil, Chile, Mexico, and Peru stock markets during the global financial crisis and the crash of the Chinese stock market. Regarding volatility spillover, the results show the bidirectional volatility transmission between the US and the stock markets of Chile and Mexico during the global financial crisis. During the Chinese crash, the bidirectional volatility transmission is observed between the US and Mexican stock markets. Furthermore, the volatility spillover is unidirectional from China to the Brazil stock market during the global financial crisis. During the Chinese crash, the volatility spillover is bidirectional between the China and Brazil stock markets. Lastly, a portfolio analysis application has been conducted.

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 enseignants0,283
Score d'incertitude au seuil0,541

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 Opus0,019
Tête enseignante GPT0,229
Écart entre enseignants0,209 · 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

Citations31
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetMarket Dynamics and VolatilityTravaux en français237 207