Technology Shocks and the Efficiency of Equity Markets in the Developed and Emerging Economies: A Global VAR Approach
Notice bibliographique
Résumé
We tested the connection between technology shocks and the efficiency of equity markets in developed and emerging economies. We augmented the Global Vector Autoregressive (GVAR) database that covers data on 33 developed and emerging markets with the newly constructed data for technology shocks involving two variants, one with 164 countries (GTS-164), and the other, which is more region-specific. covering only Organization for Economic Co-operation and Development (OECD) countries (GTS-OECD). Our analysis was then modeled with GVAR methodology. We found that a one standard positive innovation shock to global technology (GTS-164) raises real equity prices in nearly 70% of the markets considered, and this is sustained over the forecast periods. However, the response of real equity prices to a global-specific technology shock (GTS-OECD) is rather different. While this shock resulted in the immediate rise in real equity prices, it is only transient and dissipated after the third quarter of the forecast horizon in about 85% of these markets. By implication, the efficiency of the real equity market was assured for the region-specific technology shock rather than for the more encompassing measurement that takes account of numerous markets, not minding whether these markets are developed or emerging. In sum, technological shocks seem to have greater impacts on the efficiency of developed (including Euro) markets than other markets.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».