Linkages Between Oil Price Shocks and Stock Returns Revisited
Notice bibliographique
Résumé
In this paper, we revisit the debate on the relationship between oil price shocks and stock market returns by replicating the quantile-on-quantile (QQ) regression model for the US stock market in Sim and Zhou (2015, Journal of Banking and Finance), and extending it to 15 countries. The classification of these countries as oil importers or oil exporters depends on their net position in crude oil trade. Our results indicate that the finding by Sim and Zhou (2015) that large negative oil price shocks can bolster stock returns when markets are performing well is only partially supported by the three largest oil importers in our sample-China, Japan and India-during the period 1988:1-2007:12. However, when extending the study to more recent data (period 1988:1-2016:12), we find that China and India experience higher returns when markets perform well and there is a large positive oil price shock. Also, large positive oil price shocks often lead to higher stock market returns when markets perform well for both oil exporting countries-Canada, Russia, Norway-and moderately oil dependent countries-such as Malaysia, Philippines and Thailand. These findings highlight that the relationship between the distributions of oil price shocks and stock market returns is not stable over time in most countries studied. Furthermore, the asymmetric effect of oil price shocks observed in the US market by Sim and Zhou (2015) is less evident in most countries for both the baseline and extended periods.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».