MétaCan
Menu
Retour à la cohorte
Enregistrement W4320493625 · doi:10.3390/jrfm16020111

Dynamic Conditional Correlation and Volatility Spillover between Conventional and Islamic Stock Markets: Evidence from Developed and Emerging Countries

2023· article· en· W4320493625 sur OpenAlexvenueno aff
Mohammad Sahabuddin, Md. Aminul Islam, Mosab I. Tabash, Md. Kausar Alam, Linda Nalini Daniel, Imad Ibraheem Mostafa

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVolatility (finance)Financial economicsEconomicsAutoregressive conditional heteroskedasticityDiversification (marketing strategy)Stock marketFinancial crisisAsset allocationEconometricsSpillover effectEmerging marketsStock (firearms)PortfolioBusinessFinanceMacroeconomicsGeography

Résumé

récupéré en direct d'OpenAlex

This study aims to investigate the dynamic conditional correlation and volatility spillover between the conventional and Islamic stock markets in developed and emerging countries in order to develop better portfolio and asset allocation strategies. We used both multivariate GARCH (MGARCH) and multi-scales-based maximal overlap discrete wavelet transform (MODWT) approaches to investigate dynamic conditional correlation and volatility spillover between conventional and Islamic stock markets in developed and emerging countries. The results show that conventional and Islamic markets move together in the long run for a specific time horizon and present time-varying volatility and dynamic conditional correlation, while volatility movement changes due to financial catastrophes and market conditions. Further, the findings point out that Chinese conventional and Islamic stock indexes showed higher volatility, whereas Malaysian conventional and Islamic stock indexes showed comparatively lower volatility during the global financial crisis. This study provides fresh insights and practical implications for risk management, asset allocation, and portfolio diversification strategies that evaluate stock market reactions to the crisis in the international avenues of finance literature.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,163
Score d'incertitude au seuil0,608

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,016
Tête enseignante GPT0,236
Écart entre enseignants0,219 · 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'étudeObservationnel
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

Citations19
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetMarket Dynamics and VolatilityTravaux en français237 207