TIME-VARYING FREQUENCY CONNECTEDNESS ANALYSIS ACROSS CRUDE OIL, GEOPOLITICAL RISK, ECONOMIC POLICY UNCERTAINTY AND STOCK MARKETS
Notice bibliographique
Résumé
As the world is currently in turmoil, geopolitical crises and economic policy uncertainties are increasing significantly. This study aims to provide insight into the dynamics of time–frequency spillovers in the domains of crude oil, geopolitical risk, economic policy uncertainty and stock markets. It represents the first investigation analyzing the time-varying frequency connectedness across the aforementioned domains by adopting the time-varying parameter vector autoregression connectedness combined with the time-varying frequency connectedness measurement [Chatziantoniou et al., 2023]. The study covers the period from January 2004 to February 2023, including the 2008 financial crisis, the COVID-19 pandemic and the turmoil caused by the 2022 Russian–Ukrainian conflict. The analysis finds that short-term frequencies dominate return connectedness, indicating a rapid information processing mechanism responsive to short-run shocks. The stock market indices of oil-exporting countries, the US and the UK act as the primary transmitters of return spillovers. Volatility connectedness is driven by long-term frequencies, with Russia, Canada and the UK serving as the primary volatility spillover transmitters. Economic policy uncertainty is primarily influenced by oil-importing countries. Geopolitical risk mostly serves as the spillover receiver from crude oil, while it primarily transmits spillovers to economic policy uncertainty during major events such as terror attacks, conflicts and wars. The 2022 Russian–Ukrainian conflict amplifies spillovers to economic policy uncertainty. Intriguingly, conflicts deepen economic policy uncertainty, and prior to the conflict, stock market volatility had assimilated the influence of geopolitical risk shocks. The study also employs network topology to visualize spillover transmission mechanisms during the 2022 Russian–Ukrainian conflict.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».