MétaCan
Menu
Retour à la cohorte
Enregistrement W3109974399 · doi:10.32479/ijeep.10294

DOES GOLD RETAIN ITS HEDGE AND SAFE HAVEN ROLE FOR ENERGY SECTOR INDICES DURING COVID-19 PANDEMIC? A CROSSQUANTILOGRAM APPROACH

2020· article· en· W3109974399 sur OpenAlexaboutno aff
Guntur Anjana Raju

Notice bibliographique

RevueInternational Journal of Energy Economics and Policy · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSafe havenHedgeEconomicsPredictabilityBusinessFinancial crisisDevelopment economicsMonetary economicsFinancial economicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

The Outbreak of the COVID-19 Pandemic has caused unprecedented risk and uncertainty in the global financial markets. The shattered investor's faith in the Global Financial system has stimulated the need to explore safe haven assets to mitigate risk and safeguard wealth during such turmoil. Therefore, this paper addresses the widely mooted hedge and safe haven property of gold against extreme downturns in the stock market energy sector indices during COVID-19 distress. The sample countries considered comprises of the USA, Saudi Arabia, UAE, Russia, Canada, India and China being strategically linked to gold and oil commodities. Splitting the sample period into Pre-COVID period from 30th June 2019 to 30th December 2019 and During-COVID period from 31st December 2019 to 30th June 2020 the study employs bivariate cross-quantilogram of (Han, et al., 2016) to examine directional predictability in quantiles between gold and energy sector indices. The results confirm the inability of gold to showcase its pronounced hedge and safe haven role before the COVID-19 crises. Specifically, Countries such as Saudi Arabia, Russia and Canada show a significant negative predictability from energy sector indices to gold thereby indicating its safe haven role during COVID-19 crises.Keywords: Gold, Safe Haven, COVID-19, Cross-quantilogram, Energy sector Indices.JEL Classifications: G01, G11, G15, Q40DOI: https://doi.org/10.32479/ijeep.10294

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,546
Score d'incertitude au seuil0,649

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 Opus0,041
Tête enseignante GPT0,272
Écart entre enseignants0,231 · 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'étudeThéorique ou conceptuel
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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy Economics and PolicyMême sujetMarket Dynamics and VolatilityTravaux en français237 207