MétaCan
Menu
Retour à la cohorte
Enregistrement W4328095090 · doi:10.54691/bcpbm.v38i.3841

The Impact of the Increased Interest Rate on Nike's Stock Price Based on Stata

2023· article· en· W4328095090 sur OpenAlexaff
Jiayu Zhang

Notice bibliographique

RevueBCP Business & Management · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNikeEconomicsStock (firearms)Monetary economicsInterest rateFinancial economicsBondProfit (economics)Stock priceBusinessMicroeconomicsFinanceAdvertising

Résumé

récupéré en direct d'OpenAlex

In 2022, The Federal Reserve raised its benchmark interest rates three-quarters of a percentage point in its most aggressive hike since 1994, which gets US dollars more expensive to foreigners, and foreign currencies less valuable to the US. But in the meantime, Nike can’t rise its price in foreign countries immediately, thus with the same quantity of items being sold, their price decreases due to the exchange rate difference, and their profit diminishes. Since a stock’s value represent the ability to profit in the future, when Nike's ability to profit decreases, people tend to sell its stock and when the demand for Nike’s stock is smaller than that of supply, its price drops. In addition, as the interest rate increases, the mass is inclined to invest in bonds, and when bonds get more attractive people to invest less in stocks, thus as one of the listed corporations, owing to the demand for Nike’s stock price decrease, its stock price decreases. Whereas at the same time as the interest rate increase, more foreign capital is intended to invest in the US, thus the stock price of Nike might also increase. Thus whether the increased interest rate contributes to Nike's stock price is controversial. This paper mainly used a series of statistical models including VAR and ARMA-GARCH models etc. to see the net effect of interest rate on Nike's stock price, and then included the future study needed and limitations of this research.

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 enseignants0,479
Score d'incertitude au seuil0,473

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,038
Tête enseignante GPT0,253
Écart entre enseignants0,215 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBCP Business & ManagementMême sujetMarket Dynamics and VolatilityTravaux en français237 207