What Is the Effect of Oil and Gas Markets (Spot/Futures) on Herding in BRICS? Recent Evidence (2007–2022)
Notice bibliographique
Résumé
We investigate the effect of gas/oil markets (spot/futures) on herding in stock markets in BRICS over 15 years (2007–2022). We consider the effect(s) of crises (Global financial, European debt, COVID-19, and Russia–Ukraine war), bull/bearish energy markets, volatility, and speculation. The effect of gas and oil markets on herding in stock markets is minimal, and investors herd selectively during crises. Even during the ongoing Russia–Ukraine war, the effect of energy markets on herding in BRICS is minimal. Causality tests show that oil (spot/futures) Granger causes CSAD during COVID-19 only. Gas (spot/futures) has no effect. We also find that energy (spot/futures) market states (bearish/bullish) have no effect on herding in stock markets. Low volatility in energy markets can trigger herding (consistent with previous research in US, China) in all BRICS. Speculative activities during (non)crises appear to have minimal impact on herding. However, as the degree of intensity (volatility) in speculative activities increases in oil/gas, it causes herding in all countries (India is affected mostly), except Brazil. It is not the speculation activity per se in (non)crises that causes herding, but the intensity/volatility in speculation activity. Overall, oil/gas markets (especially gas markets) appear to have a smaller impact on herding than expected, contrary to public belief; however, as the intensity/volatility in speculative activities increases, then herding also increases, which is expected given the uncertainty that speculation causes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».