Effects of Multiple Financial News Shocks on Tourism Demand Volatility Modelling and Forecasting
Notice bibliographique
Résumé
Even though both symmetric and asymmetric conceptions of news impacts are well-established in the disciplines of economics and financial markets, the effects of combining multiple news shocks on the volatility of tourism demand have not yet been delved into or gauged in any tourist destination. This work hypothesises and verifies that the news impact curve (NIC), conditional heteroscedastic volatility models, and multiple news shocks are suitable for forecasting the volatility of the Malaysian tourist industry. Among them, three primarily volatility models (GARCH, EGARCH, and GJRGARCH) are used in conjunction with five financial news shocks (FFNSs), namely the Kuala Lumpur Composite Index (KLCI), the United States Dollar Index (DXY), the stock performance of 500 large companies listed on stock exchanges (S&P500), Crude Oil (CO), and Gold Price (GP). Among the most significant findings of this study are the demonstration of monthly seasonality using conditional mean equations, asymmetry effects in EGARCH-FFNSs, and GJRGARCH-FFNSs models in conditional variance equations and 50 NICs, and the GARCH-FFNSs model’s evaluation of the persistence influence of news shocks on monthly visitor arrivals in Malaysia. The GJRGARCH-FFNSs model is the best model for Malaysian tourism demand volatility forecasting accuracy. Furthermore, KLCI and Gold Price have the most substantial impact on the number of tourists to Malaysia. In addition, it should be emphasised that the methodological framework utilised in this study can be a useful tool for creating and forecasting the performance of symmetry and asymmetry impacts on tourism demand volatility.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».