MétaCan
Menu
Retour à la cohorte
Enregistrement W3055633711 · doi:10.1002/ijfe.2206

Oil price uncertainty and the risk‐return relation in stock markets: Evidence from oil‐importing and oil‐exporting countries

2020· article· en· W3055633711 sur OpenAlexaff
Zhifang He, Jiaqi Chen, Fangzhao Zhou, Guoqing Zhang, Fenghua Wen

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-clésOil priceEconomicsVolatility (finance)Stock (firearms)Financial economicsAutoregressive conditional heteroskedasticityRisk–return spectrumFinancial crisisCrude oilMonetary economicsOil-storage tradeEconometricsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract This article examines the role of oil price uncertainty measured by the crude oil volatility index (OVX) in the risk‐return relation of stock markets from oil‐importing and exporting countries with the extended GARCH‐M models. It is found that oil price uncertainties have significant impacts on the stock risk‐return relationship in oil importers and exporters. Specifically, there is a positive risk‐return relation during the decreasing period of oil price uncertainty. This positive correlation will be undermined and become negative during the rising period of oil price uncertainty in most countries studied. What's more, change in oil price uncertainty negatively affects the stock risk‐return relation in general, and it has a more significant asymmetric effect in oil exporters than that in oil importers for the whole sample. In addition, we examine whether the impact of oil price uncertainty is sensitive to the global financial crisis in 2008. Our empirical results reveal that, on average, the stock risk‐return relation is more susceptible to OVX changes after the crisis period than that during the crisis period, suggesting impacts of OVX changes are undermined due to the extremely unstable global economy.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,232
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), 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

Citations45
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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