Asymmetry and Leverage with News Impact Curve Perspective in Australian Stock Returns’ Volatility during COVID-19
Notice bibliographique
Résumé
This paper studies the effect of COVID-19 on the volatility of Australian stock returns and the effect of negative and positive news (shocks) by investigating the asymmetric nature of the shocks and leverage impact on volatility. We employ a generalised autoregressive conditional heteroskedasticity (GARCH) model and extend the analysis using the exponential GARCH (EGARCH) model to capture asymmetry and allegedly leverage. We proxy the news related to the negative effect of COVID-19 on the Australian health system and its economy as bad news, and on the other hand, measures taken by government economic stimulus packages through their monetary and fiscal policies as good news. The S&P ASX200 (ASX-200) index is used as a proxy to the Australian stock market, and we use value-weighted returns of the stocks listed on ASX-200 for the period 27 January 2020 to 29 December 2020. The empirical results suggest the EGARCH model fits better in capturing asymmetry and leverage than the GARCH model in estimating the volatility of the Australian stock returns. However, another interesting finding is that the EGARCH model with volatility equation without news demonstrates a larger (smaller) leverage effect of the negative (positive) shocks on the conditional volatility compared to its variant with the news.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».