MétaCan
Menu
Retour à la cohorte
Enregistrement W3130908028 · doi:10.5539/ijef.v13n3p31

Coronavirus (Covid-19) and Stock Market: Empirical Analysis with Panel Data Approach

2021· article· en· W3130908028 sur OpenAlexvenueno aff
Emre Esat Topaloğlu, İlhan Ege, Erol KÖYCÜ

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicStock marketStock (firearms)2019-20 coronavirus outbreakPanel dataSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)ChinaEconomicsBusinessFinancial economicsDemographic economicsEconometricsGeographyMedicineVirologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

In this study, the relationship between the pandemic and the stock market range of the dates 17-03-2020 and 14-04-2020, when the COVID-19 pandemic was most intense, was examined by panel data analysis method. In this study conducted for Turkey and Belgium, Germany, France, Italy, Spain, United Kingdom, United States, China and Netherland countries where the COVID-19 pandemic is most common, COVID-19 data is based on the total number of cases and the total number of deaths, while stock market data is based on important stock indexes of countries. The results of the study, while a negative relationship was found between total number of cases and the stock market, a positive relationship was found between total number of death and the stock market. This is an indication that market investors are closely monitoring the number of COVID-19 cases, and that the number of cases described significantly affects stock market investments.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil0,655

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,256
Tête enseignante GPT0,356
Écart entre enseignants0,100 · 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'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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207