The impact of the COVID-19 pandemic on the global dynamic spillover of financial market risk
Notice bibliographique
Résumé
The COVID-19 outbreak has greatly impacted the stability of the global financial markets. In the post-COVID-19 pandemic era, the risk contagion patterns of the global financial markets may change. This paper utilizes the conditional value-at-risk (ΔCoVaR) model to measure the risk level of the financial markets in various economies and uses the TVP-VAR-CONNECTEDNESS approach to construct a time-varying spillover index. Based on the dimensions of time and space, we explored the contagion path, contagion status, and contagion structure characteristics of global financial market risk before and during the COVID-19 pandemic. The results entail several conclusions. (i) The COVID-19 pandemic increased the spillover level of global financial market risk and the risk connectedness of financial markets in different countries. In addition, during the concentrated outbreak period of COVID-19, the risk spillover level in developing countries rose rapidly, while the financial risk spillover level in developed countries decreased significantly. (ii) The impact of the COVID-19 pandemic on the spillover of the global financial market risk is time-varying, and there is a strong correlation between the risk spillover level of the financial markets of the world and the severity of the COVID-19 pandemic. (iii) Due to the impact of the COVID-19 pandemic, Brazil, Canada, and Russia have become new risk spillover centers; in the post-COVID-19 pandemic era, China's spillover to developed countries has increased, and the financial influence of China has also gradually increased. In addition, the risk contagion capacity of financial markets among European countries is gradually converging. (iv) During the concentrated outbreak of the COVID-19 pandemic, the Americas were the main exporter of global financial market risk, while Europe played a role in risk absorption.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».