MétaCan
Menu
Retour à la cohorte
Enregistrement W4386580406 · doi:10.1177/23197145231189600

Global Stock Market Volatility and Its Spillover on the Indian Stock Market: A Study Before and During the COVID-19 Period

2023· article· en· W4386580406 sur OpenAlexaboutno aff
Saroj S. Prasad, Ashutosh Verma, Priti Bakhshi, Shantanu Prasad

Notice bibliographique

RevueFIIB Business Review · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStock marketFinancial economicsEconomicsVolatility (finance)Emerging marketsFinancial marketEquity (law)Stock (firearms)Stock exchangeMonetary economicsCapital marketBusinessFinance

Résumé

récupéré en direct d'OpenAlex

This study investigates the impact of global stock market volatility on the Indian stock markets before and during the COVID-19 pandemic period. The study focuses on 11 stock markets, including Brazil, Canada, China, France, Hong Kong, India, Japan, Russia, Turkey, the UK, and the US, and applies the threshold generalized autoregressive conditional heteroskedasticity (TGARCH) model to capture the current asymmetry in returns influenced by past negative/positive shocks, and the diagonal Baba Engle Kraft Kroner (BEKK) model to examine the cohesion of the Indian equity market with global markets. The importance of the Indian stock market lies in its ability to provide capital to companies, attract foreign investment, and provide investment opportunities for both domestic and international investors. Data for the study was sourced from https://www.investing.com for the period September 2019 to September 2021 and Stata software was used for data analysis. The study finds that Brazil, Canada, France, Russia, UK, and the USA are the primary sources of financial weight on India’s stock returns. The results suggest that Indian investors can diversify their funds into other asset classes while restricting investments in these markets, particularly during downturns. Investors can make informed decisions to diversify their portfolio and minimize risk. The results can also benefit society by promoting a more stable and resilient financial system. The study can also be expanded to include other financial and economic indicators such as inflation and interest rates to provide a more comprehensive analysis of the impact of global market volatility on Indian equity 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 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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,029
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,058
Tête enseignante GPT0,298
Écart entre enseignants0,240 · 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'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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFIIB Business ReviewMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207