MétaCan
Menu
Retour à la cohorte
Enregistrement W4313022722 · doi:10.5937/jouproman2203121h

Cryptocurrencies and G7 capital markets integrate in periods of extreme volatility?

2022· article· en· W4313022722 sur OpenAlexaboutno aff
Nicole Horta, Rui Dias, Catarina Revez, Paulo Alexandre, Paula Heliodoro

Notice bibliographique

RevueJournal of Process Management New Technologies · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiversification (marketing strategy)CryptocurrencyVolatility (finance)Capital marketEconomicsStock market indexPortfolioMarket integrationMonetary economicsStock marketFinancial marketIndex (typography)Financial economicsFinancial systemBusinessGeographyFinanceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to examine the synchronism between the US capital markets (DJ, S&P 500), the United Kingdom (FTSE 100), Canada (S&P/TSX), Germany (DAX 30), France (CAC 40), Japan (Nikkei 225), Italy (Italy Ds Market and major cryptocurrencies such as Bitcoin (BTC), Litecoin (LTC), Ethereum (ETH), and the Crypto 10 index, from February 2018 to November 2021. Based on the findings, we found that BTC and ETH cryptocurrencies drastically reduced their level of integration with their peers over the 2020 worldwide pandemic era, whereas LTC maintained. We also discovered that the Dow Jones, S&P 500, and DAX 30 stock indexes lowered their level of integration when compared to the pre-covid subperiod. For the UK capital market (FTSE 100), Canada (S&P/TSX), Japan (Nikkei 225), France (CAC 40), and Italy (Italy Ds Market) the level of integration increased significantly. These findings support, in part, our research question, that during periods of stress and uncertainty in the global economy capital markets tend towards integration, thus calling into question the hypothesis of efficient portfolio diversification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,693
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,242
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Process Management New TechnologiesMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207