MétaCan
Menu
Retour à la cohorte
Enregistrement W3044025017 · doi:10.1002/ijfe.1823

Time‐dependent intrinsic correlation analysis of crude oil and the <scp>US</scp> dollar based on <scp>CEEMDAN</scp>

2020· article· en· W3044025017 sur OpenAlexaff
Qing Peng, Fenghua Wen, Xu Gong

Notice bibliographique

RevueInternational Journal of Finance & Economics · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésEconometricsEconomicsCorrelationDiversification (marketing strategy)Crude oilHilbert–Huang transformUs dollarLiberian dollarPortfolioNegative correlationMathematicsStatisticsFinancial economicsWhite noiseMonetary economicsExchange rate

Résumé

récupéré en direct d'OpenAlex

Abstract In this article, we analyze the dynamic linkage between crude oil price and the US dollar at multi‐scale frequencies using time‐dependent intrinsic correlation analysis based on the complete ensemble empirical mode decomposition with adaptive noise. After applying a refined method to extract the trend, we reveal that the overall correlation and the long‐term trend correlation exhibit very similar patterns. The correlation coefficients between crude oil and the US dollar are negative at most of the time; however, the coefficients become positive in certain periods, such as 2013–2014 and 2017–2018. Furthermore, the negative correlations in high frequency intrinsic mode functions (IMFs), with a shorter time horizon, are weaker and display time‐varying characteristics, whereas the correlation in low frequency IMFs, with a longer time horizon, are stronger and more static. The findings of this article may have important implications for investors to construct optimal portfolio diversification.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,620
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,205
Écart entre enseignants0,193 · 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'étudeSimulation ou modélisation
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

Citations37
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Finance & EconomicsMême sujetMarket Dynamics and VolatilityTravaux en français237 207