The Early Impact of Government Financial Intervention Policies and Cultural Secrecy on Stock Market Returns During the COVID-19 Pandemic: Evidence From Developing Countries
Notice bibliographique
Résumé
This paper examines the role of government financial intervention policies and cultural secrecy on equity market returns during the start of the COVID-19 pandemic in developing countries’ stock markets. We employ global data including 939 observations across 32 developing countries (23 emerging and 9 frontier stock markets) from December 1 to April 28, 2020. Our results show that the above-mentioned policies that set out to curb the COVID-19 pandemic succeed in increasing equity returns. It reflects investors’ improved perceptions of governments’ commitment to stabilizing the economy during the pandemic in developing, emerging, and frontier equity markets. Results show that investors in all equity markets discount differences in cultural secrecy in processing market information when investing in stock markets. We find that equity market investors in developing and emerging countries truly react negatively to the rise in the number of confirmed COVID-19 cases reported. Yet, we find that COVID-19 wields no influence on equity market returns in frontier equity markets. This presents frontier equity markets as a safe-haven investment destination during a global health outbreak. Our work helps investors during such events to identify the best and worst investment destinations in developing, emerging, and frontier stock markets. At the same time, it is important to understand the critical roles of: firstly, the introduced government financial intervention policies; and secondly, the daily growth in reported COVID-19 cases on stock market returns.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».