The shock of war: do trade relations impact the reaction of stock markets to the Russian invasion of Ukraine?
Notice bibliographique
Résumé
Celem artykułu jest sprawdzenie, czy siła powiązań handlowych z Rosją i Ukrainą istotnie różnicuje reakcję giełd papierów wartościowych na militarną agresję Rosji na Ukrainę 24 lutego 2022 r. Zakres podmiotowy badania stanowią wszystkie kraje G20 oraz Unii Europejskiej. W badaniu skoncentrowano się na jednodniowej zmianie indeksu giełdowego w pierwszym dniu inwazji oraz zmianie indeksu giełdowego w okresie od 23 lutego do 7 marca 2022 r. Data 7 marca 2022 r. odnosi się do najwyższego poziomu niepewności giełdowej w następstwie wybuchu analizowanego konfliktu zbrojnego. Na podstawie analizy skupień metodą k-średnich wyodrębniono trzy klastry reprezentujące kraje o podobnym udziale w handlu z Rosją i Ukrainą. Następnie, wykorzystując test Kruskala-Wallisa oraz test rang Wilcoxona, zweryfikowano, czy istnieją istotne różnice w reakcjach giełd między wyodrębnionymi grupami krajów. Zaobserwowano, że poziom powiązań handlowych kraju ze stronami konfliktu istotnie różnicuje reakcje indeksów giełdowych. Największe spadki wartości notują wiodące indeksy giełdowe z krajów najbardziej powiązanych gospodarczo z Rosją i Ukrainą. Wyniki badań wskazują na to, że poziom relacji gospodarczych między krajami może mieć istotny wpływ na reakcję indeksów giełdowych na wybuch międzynarodowych konfliktów zbrojnych, w szczególności w okresie globalizacji rynków finansowych.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».