MétaCan
Menu
Retour à la cohorte
Enregistrement W4385076461 · doi:10.1016/j.energy.2023.128425

Asymmetric price transmission and impulse responses from U.S. crude oil to jet fuel and diesel markets

2023· article· en· W4385076461 sur OpenAlexaff
Wenbei Zhang, Marty Luckert, Feng Qiu

Notice bibliographique

RevueEnergy · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésJet fuelDiesel fuelEconomicsBiofuelPetroleumBiodieselCrack spreadOil priceVolatility (finance)Natural resource economicsMonetary economicsEconometricsEngineeringWaste managementChemistry

Résumé

récupéré en direct d'OpenAlex

Despite numerous studies on price interdependencies in petroleum markets, the exploration of price transmission from crude oil to jet fuel and diesel remains surprisingly limited. This knowledge gap is particularly remarkable given the increasing economic significance of these fuels and the emerging biojet and biodiesel industries. Filling this research gap, this study employs a nonlinear time series approach that considers unique features of these markets— ‘stickiness’ of firms' responses, asymmetric price adjustments, and the time-dependent responses to oil price shocks. This unique approach provides a much-needed understanding of long-term price relationships, short-term dynamic adjustments, and price response mechanisms to crude oil shocks in the context of jet fuel and diesel markets. Key results include: (1) both jet fuel and diesel have long-run equilibrium relationships with oil prices; (2) price adjustments of jet fuel and diesel are asymmetric, in opposite directions, due to distinct differences in industrial characteristics; (3) the responses of the two types of fuel prices to oil shocks show nonlinear dynamic paths, with different amplitudes and decay periods. The findings contribute to a better understanding of the current fuel industries, and provide insights into emerging biofuel markets, with implications for businesses and policymakers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,221
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations15
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueEnergyMême sujetMarket Dynamics and VolatilityTravaux en français237 207