MétaCan
Menu
Retour à la cohorte
Enregistrement W4289176106 · doi:10.3390/jrfm15080338

Pandemic-Era Uncertainty

2022· article· en· W4289176106 sur OpenAlexvenueno aff
Brent Meyer, Emil Mihaylov, Jose Maria Barrero, Steven J. Davis, David Altig, Nicholas Bloom

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of ChicagoEconomic and Social Research CouncilBooth School of Business, University of ChicagoAlfred P. Sloan Foundation
Mots-clésEconomicsEquity (law)PandemicInvestment (military)Index (typography)Downside riskDemographic economicsFinancial economicsActuarial scienceCoronavirus disease 2019 (COVID-19)Political sciencePortfolioPolitics

Résumé

récupéré en direct d'OpenAlex

We examine several measures of uncertainty to make five points. First, equity market traders and executives at nonfinancial firms have shared similar assessments about one-year-ahead uncertainty since the pandemic struck. Both the one-year VIX and our survey-based measure of firm-level uncertainty at a one-year forecast horizon doubled at the onset of the pandemic and then fell about half-way back to pre-pandemic levels by mid-2021. Second, and in contrast, the 1-month VIX, a Twitter-based Economic Uncertainty Index, and macro forecaster disagreement all rose sharply in reaction to the pandemic but retrenched almost completely by mid-2021. Third, Categorical Policy Uncertainty Indexes highlight the changing sources of uncertainty—from healthcare and fiscal policy uncertainty in spring 2020 to elevated uncertainty around monetary policy and national security as of May 2022. Fourth, firm-level risk perceptions skewed heavily to the downside in spring 2020 but shifted rapidly to the upside from fall 2020 onwards. Perceived upside uncertainty remains highly elevated as of early 2022. Fifth, our survey evidence suggests that elevated uncertainty is exerting only mild restraint on capital investment plans for 2022 and 2023, perhaps because perceived risks are so skewed to the upside.

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)0,024
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 seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,012
Tête enseignante GPT0,202
Écart entre enseignants0,189 · 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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetMarket Dynamics and VolatilityTravaux en français237 207