Notice bibliographique
Résumé
The COVID-19 shock is severe and its severity is even more when compared to the Great Financial Crisis. Yet, the effect of the COVID-19 on the stock markets and financial markets has never been studied in depth in recent times. This research is carried out to study the impact of the global pandemic Corona Virus on the Financial Markets from 1st March 2020 to 30th April 2020 in G7 countries. The study applied a Simple regression and Correlation model to investigate the impact of the COVID-19 on the Financial Markets during the period 1st March 2020 to 30th April 2020 in G7 countries. The study used the Cotation Assistee en Continu (CAC) index for France, Deutscher Aktienindex (DAX) index for Germany, Milano Indice di Borsa (FTSE MIB) index for Italy, NIKKEI index for Japan, Dow Jones index (DJI NYSE) for USA, FTSE 100 for UK and TSX index for Canada. In the process of studying the impact of Corona Virus on the stock markets the study assumes the confirmed cases of COVID-19 to be the independent variable while CAC index, DAX index, FTSE MIB index, DJI NYSE index, FTSE 100 and TSX index to be dependent variables. The study findings revealed that there is a positive significant relationship between the COVID- 9 confirmed cases and all the financial markets from 1st March 2020 to 30th April 2020 in G7 countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».