How the effective reproductive number impacts global stock markets
Notice bibliographique
Résumé
Abstract The pandemic caused by the novel coronavirus COVID‐19 has impact the economies of countries across the world. In a short period of time, researchers have begun to analyse the effect of the pandemic on global stock markets. Although the most known measurements of COVID‐19 are the number of new cases and deaths, there are more robust indicators. In particular, the effective reproductive number is one of the most important indicators to analyse the pandemic which indicates the degree to which the spread is under control. In this paper, we assess the impact that the Effective Reproductive Number (Rt) has on 26 countries around the world (32 stock market indexes) comparing the performance of various forms of Generalized AutoRegressive Conditional Heteroskedasticity models. The results demonstrate that of the 32 stock markets analysed, 37.5% had a negative effect with respect to Rt and only in 12.5% of the cases was the effect of the variation of Rt positive. This implies that in more than a third of the stock markets analysed as the pandemic progressed uncontrolled the result was a decrease in the value of the market index. The 11 of the 26 countries analysed had a negative and significant effect (Brazil, Germany, Indonesia, Israel, Italy, Japan, Russia, South Korea, Sweden, Taiwan, and United States). Findings suggest that the Effective Reproductive Number volatility had a significant impact on 10 of the 26 countries analysed (38.5%) (Australia, Brazil, Canada, China, India, Italy, Mexico, Russia, Singapore and United Kingdom).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».