Detection of structural regimes and analyzing the impact of crude oil market on Canadian stock market: Markov regime-switching approach
Notice bibliographique
Résumé
Purpose This study aims to analyze the impact of the crude oil market on the Toronto Stock Exchange Index (TSX). Design/methodology/approach The focus is on detecting nonlinear relationship based on monthly data from 1970 to 2021 using Markov-switching vector auto regression (VAR) model. Findings The results indicate that TSX return contains two regimes: positive return (Regime 1), when growth rate of stock index is positive; and negative return (Regime 2), when growth rate of stock index is negative. Moreover, Regime 1 is more volatile than Regime 2. The findings also show the crude oil market has a negative effect on the stock market in Regime 1, while it has a positive effect on the stock market in Regime 2. In addition, the authors can see this effect in Regime 1 more significantly in comparison to Regime 2. Furthermore, two-period lag of oil price decreases stock return in Regime 1, while it increases stock return in Regime 2. Originality/value This study aims to address the effect of oil market fluctuation on TSX index using Markov-switching approach and capture the nonlinearities between them. To the best of the author’s knowledge, this is the first study to assess the effect of the oil market on TSX in different regimes using Markov-switching VAR model. Because Canada is the sixth-largest producer and exporter of oil in the world as well as the TSX as the Canada’s main stock exchange is the tenth-largest stock exchange in the world by market capitalization, this paper’s framework to analyze a nonlinear relationship between oil market and the stock market of Canada helps stock market players like policymakers, institutional investors and private investors to get a better understanding of the real world.
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) | 0,001 | 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 ».