MétaCan
Menu
Retour à la cohorte
Enregistrement W4311515841 · doi:10.1080/02102412.2022.2154534

The relationship between geopolitical risk and crude oil prices: evidence from nonlinear and frequency domain causality tests

2022· article· en· W4311515841 sur OpenAlexaff
Jiang Yong, Yi‐Shuai Ren, Xiaoguang Yang, Chaoqun Ma, Olaf Weber

Notice bibliographique

RevueSpanish Journal of Finance and Accounting / Revista Española de Financiación y Contabilidad · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesHunan UniversityNational Natural Science Foundation of China
Mots-clésGeopoliticsGranger causalityBivariate analysisCausality (physics)EconomicsFrequency domainEconometricsIndex (typography)Nonlinear systemMathematicsStatisticsPhysicsPolitical scienceComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

This paper aims to investigate the possible explanatory effect of geopolitical risks on the oil price changes from February 1986 to December 2019 by employing the nonlinear bivariate Granger causality test and frequency domain Granger causality test based on the geopolitical risk index. The results suggest that there exists a nonlinear causality from geopolitical risks to crude oil prices. Moreover, geopolitical risks have a short-term impact on oil prices, less than 12 months. Actual geopolitical events have a smaller and less lasting impact on oil prices than pure geopolitical risks.

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)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,025
Tête enseignante GPT0,255
Écart entre enseignants0,230 · 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'étudeSimulation ou modélisation
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpanish Journal of Finance and Accounting / Revista Española de Financiación y ContabilidadMême sujetMarket Dynamics and VolatilityTravaux en français237 207