COVID-19 as Information Transmitter to Global Equity Markets: Evidence from CEEMDAN-Based Transfer Entropy Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study provides an analysis of chaotic information transmission from the COVID-19 pandemic to global equity markets in a novel denoised frequency domain entropy framework. The current length of the pandemic data offers the opportunity to examine its role in the asymmetric behaviour patterns of investors according to time horizons and the diversification potentials available to them. We employ the total daily global confirmed cases of COVID-19 and 27 equity indices from December 31, 2019, to April 18, 2021. Our results corroborate the idea that diversification potentials are stronger in the short to medium term. The Global Index (higher risk) and Canada and New Zealand (lower risk) remain at both ends to pair some other equities to offer diversification prospects because of the transmission of information from COVID-19 to the selected equity markets. In addition, we provide the source of these diversification prospects as information flow rather than transmission of shocks, which is common in the literature. Furthermore, our results suggest detailed levels of risk (lower vis-à-vis higher) in the situation where they have been stripped of the noise in the market. The findings allow both investors and policymakers to make informed decisions based on the time horizons since the pandemic communicates different chaotic information with the lapse of time. This is imperative to avoid the negative consequences of the increasing infection rate on global stock markets.
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.
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 | 0,002 |
| 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) | 0,001 | 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 découle