MétaCan
Menu
← Retour à la cohorte
Enregistrement W3124035024

“Slow-Burn” Spillover and “Fast and Furious” Contagion: A Study of International Stock Markets

2014· preprint· en· W3124035024 sur OpenAlexaff
Lei Wu, Qingbin Meng, Kuan Xu

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2014
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSpillover effectContagion effectStock (firearms)Financial contagionEconomicsCapital marketVariance decomposition of forecast errorsStock marketPortfolioMonetary economicsFinancial marketFinancial crisisFinancial economicsEconometricsFinanceMacroeconomicsGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

“Fast and furious” contagion across capital markets is an important phenomenon in an increasingly integrated financial world. Different from “slow-burn spillover” or inter- dependence among these markets, “fast and furious” contagion can occur instantly. To investigate this kind of contagion from the U.S., Japan, and Hong Kong to other Asian economies, we design a research strategy to capture fundamental interdependence, or “slow-burn spillover”, among these stock markets as well as short-term departures from this interdependence. Based on these departures, we propose a new contagion measure which reveals how one market responds over time to a shock in another market. We also propose international portfolio analysis for contagion via variance decomposition from the portfolio manager’s perspective. Using this research strategy, we find that the U.S. stock market was cointegrated with the Asian stock markets during the four specific periods from July 3, 1997 to April 30, 2014. Beyond this fundamental inter- dependence, the shocks from both Japan and Hong Kong have significant “fast and furious” contagion effects on other Asian stock markets during the U.S. subprime crisis, but the shocks from the U.S. have no such effects.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

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 technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,029
Tête enseignante GPT0,288
Écart entre enseignants0,259 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetMarket Dynamics and Volatility→Travaux en français237 207→