Extreme Connectedness between Green Bonds, Government Bonds, Corporate Bonds and Other Asset Classes: Insights for Portfolio Investors
Notice bibliographique
Résumé
This paper aims to examine the connectedness between green and conventional assets, particularly during the period of economic downturn. Specifically, we examine quantile-based time-varying connectedness between the green bond market and other financial assets using quantile vector autoregression (QVAR) from 9 March 2018 to 10 March 2021. We use daily prices of S&P U.S. Treasury Bond Index, S&P US Aggregate Bond Index, S&P US Treasury Bond Current 10Y Index, S&P 500 Bond Index, S&P 500 Financials index, S&P 500 Energy Bond Index and S&P 500, giving a total of 784 observations, and using Composite Index as a representative of conventional assets classes and S&P Green Bond Index to denote the green bond market. Results shows the connectedness between green bonds and the conventional asset classes intensified during the outbreak of the Coronavirus pandemic (COVID-19) as investors shifted their investment towards fixed income assets due to the plunge in the prices of stocks and commodities. The results also shows that green bonds are strongly connected with treasury bonds, aggregate bonds and bond index, as they share similarities with respect to issuance, risk and governance. Connectedness is weak in the case of composite index and energy bond index, as their prices do not have substantial influence on the green bond market. The study highlights the hedging and diversification benefits of green bonds. We have several implications for portfolio managers, policy makers and researchers.
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 ».