Interconnectedness of Cryptocurrency Uncertainty Indices with Returns and Volatility in Financial Assets during COVID-19
Notice bibliographique
Résumé
This paper investigates the dynamic relationship between cryptocurrency uncertainty indices and the movements in returns and volatility across spectrum of financial assets, comprising cryptocurrencies, precious metals, green bonds, and soft commodities. It employs a Time-Varying Parameter Vector Autoregressive (TVP-VAR) connectedness approach; the analysis covers both the entire sample period spanning August 2015 to 31 December 2021 and the distinct phase of COVID-19 pandemic. The findings of the study reveal the interconnectedness of returns within these asset classes during the COVID-19 pandemic. In this context, cryptocurrency uncertainty indices emerge as influential transmitters of shocks to other financial asset categories and it significantly escalates throughout the crisis period. Additionally, the outcomes of the study imply that during times of heightened uncertainty, exemplified by events such as the COVID-19 pandemic, the feasibility of portfolio diversification for investors might be constrained. Consequently, the amplified linkages between financial assets through both forward and backward connections could potentially compromise financial stability. This research sheds light on the impact of cryptocurrency uncertainty on the broader financial market, particularly during periods of crisis. The findings have implications for investors and policymakers, emphasizing the need for a comprehensive understanding of the interconnectedness of financial assets and the potential risks associated with increased interdependence. By recognizing these dynamics, stakeholders can make informed decisions to enhance financial stability and manage portfolio risk effectively.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».