MétaCan
Menu
Retour à la cohorte
Enregistrement W4385063950 · doi:10.1371/journal.pone.0288883

Economic policy uncertainty and stock market in G7 Countries: A panel threshold effect perspective

2023· article· en· W4385063950 sur OpenAlexaboutno aff
Maysoon Khojah, Masood Ahmed, Muhammad Asif Khan, Hossam Haddad, Nidal Mahmoud Al-Ramahi, Mohammed Arshad Khan

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesZarqa University
Mots-clésEconomicsStock (firearms)Information asymmetryStock marketPanel dataMarket liquidityEconometricsPerspective (graphical)PreferenceFinancial economicsMonetary economicsBiologyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Based on the literature, it is commonly understood that stock prices (SP) are influenced by economic policy uncertainty (PU), with a rise in PU typically having a negative impact on SP. However, the relationship between PU and SP may not always be linear due to the varying risk preferences of individuals. Risk preference theory posits that individuals respond differently to different levels of risk. Therefore, this study aims to investigate whether PU determines SP asymmetrically (i.e., in a non-linear manner) by considering risk preferences and addressing a gap in the literature. To answer this question, the study employs a panel threshold approach to examine the effect of PU on SP in the Group of Seven (G7) countries, namely Canada, France, Germany, Italy, Japan, UK, and the US. In contrast to previous research, this study finds evidence of an asymmetric effect of PU on SP in the G7 countries. Specifically, the panel threshold results reveal that the impact of increased PU on SP is positive up to a certain level (Threshold1), beyond which it becomes negative (Threshold2). These findings are in line with information asymmetry hypothesis, prospect theory, behavioural finance hypothesis, and market liquidity hypothesis and shed light on the asymmetric behaviour of SP in response to varying levels of PU. The implications of these findings are significant for understanding how to manage risks effectively in the financial 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 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 enseignants0,470
Score d'incertitude au seuil0,877

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,043
Tête enseignante GPT0,243
Écart entre enseignants0,200 · 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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMarket Dynamics and VolatilityTravaux en français237 207