MétaCan
Menu
← Retour à la cohorte
Enregistrement W3194535821 · doi:10.3390/jrfm14080372

Oil Market Factors as a Source of Commonality in Liquidity in International Equity Markets

2021· article· en· W3194535821 sur OpenAlexvenueno aff
Abdulrahman Alhassan, Atsuyuki Naka, Abdullah M. Noman

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesDeanship of Scientific Research, King Saud University
Mots-clésMarket liquidityEquity (law)Volatility (finance)Monetary economicsEconomicsLiquidity riskFinancial economicsBusiness

Résumé

récupéré en direct d'OpenAlex

When stock markets are less liquid or illiquid, investors are expected to require compensation for taking the risk of not being able to sell quickly. Many studies have documented the existence of the co-movements (commonality) of market liquidity in equity markets as a priced factor. The primary objective of this paper is to introduce the oil market as a potential source of commonality in liquidity. We hypothesize that conditions specific to the oil market can contribute to commonality in liquidity affecting both supply-side and demand-side factors because of its importance to the global economy in general. To this aim, a sample of firms is drawn from 50 countries spanning the period from January 1995 to December 2015. We examine two channels that transmit the effect of oil market movements to the liquidity commonality in international equity markets, namely, oil price returns and oil price volatility. Seemingly unrelated regressions (SUR) are utilized to estimate the effect of oil factors on commonality in liquidity. We find that the returns and volatility of oil prices explain the commonality in liquidity in countries with higher integration with oil markets. In addition, we show that the effect of oil volatility is more pronounced for net oil exporters as opposed to net oil importers after controlling for oil sensitivity. These results are robust to controlling for possible sources of commonality in liquidity as found in the literature and alternative estimation specifications.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,242
Écart entre enseignants0,223 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetMarket Dynamics and Volatility→Travaux en français237 207→