MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387572891 · doi:10.3390/jrfm16100442

The Launch of a Night Trading Session and Currency Futures Market Liquidity: Evidence from the Thailand Futures Exchange

2023· article· en· W4387572891 sur OpenAlexvenueno aff
Woradee Jongadsayakul

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesKasetsart University
Mots-clésFutures contractMarket liquiditySession (web analytics)Electronic tradingOpen outcryBusinessAlgorithmic tradingHigh-frequency tradingCurrencyFinancial economicsMonetary economicsEconomicsAlternative trading systemFinanceAdvertising

Résumé

récupéré en direct d'OpenAlex

The Thailand Futures Exchange launched USD Futures as the first currency futures contract on 5 June 2012. However, it has been available for night trading since 27 September 2021. This research aims to analyze the effect of adding a night trading session on USD Futures market liquidity and to make a liquidity comparison between day and night session trading. By adding a dummy variable into the vector autoregression model of order 5 to capture the effect of a night session introduction on market liquidity, the results show that market depth and breadth are even stronger after a longer trading session. In addition, the t-test results show the presence of lower tightness but stronger depth and breadth in day session trading than in night session trading, because of the availability of a large number of orders and the ability of the market to have smoother trading in day as opposed to night. Due to the positive effect of extended trading hours on market depth and breadth, TFEX should consider a longer night session in line with other global futures markets. Night traders should also be aware of liquidity risk due to low night session trading volume.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,027
Tête enseignante GPT0,227
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 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetFinancial Markets and Investment Strategies→Travaux en français237 207→