Review of: "COVID-19 or Russia-Ukraine conflict: which is informative in defining the dynamic relationship between Bitcoin and major energy commodities?"
Notice bibliographique
Résumé
COVID-19 or Russia-Ukraine conflict: which is informative in defining the dynamic relationship between Bitcoin and major energy commodities?'The paper considers evaluating the returns and volatilities of energy commodity indices and Bitcoin through dynamic conditional correlation analyses [GARCH-DCC (1,1)].It reveals a significant and considerable dynamic conditional correlation between energy commodities indices and Bitcoin when the COVID-19 pandemic and Russia-Ukraine conflict shocks are incorporated in variance assessments.1-There exist two sections of the Introduction.The authors need to revise the whole paper.2-The introduction section (pp: 2-4) needs some citations.For instance; How do know that In Canada and the United States, stock markets quickly lost more than 30%, erasing most of the gains made in recent years?(See 2 nd paragraph of Intro).Or, where can we find the info if, on 24 February alone, the price of natural gas rose by more than 25% on the TTF market, a platform located in the Netherlands and considered a benchmark in Europe?(See p. 2).Or, where a potential reader can confirm the below lines regarding the major consequences of inflation?(See p. 3 ).'This acceleration in inflation could have two major consequences: First, it should weigh on purchasing power, i.e., the ability of households to buy goods and services with their income.If inflation is higher than the increase in household income, then purchasing power declines.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 tête enseignante, 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 ».