Analysing the Nexus: Stock Indices and Cryptocurrencies During the Conflict Between Russia and Ukraine
Notice bibliographique
Résumé
Background: The global economy faced increased instability due to the simultaneous occurrence of two major events, the global pandemic in 2020 and the Russian-Ukrainian conflict in 2022, which impacted the financial markets. Purpose: This paper aimed to evaluate the comovements between the USA (S&P 500), Germany (DAX 30), France (CAC40), Japan (Nikkei 225), Canada (TSX), Russia (MOEX) and Ukraine (PFTS) stock markets and the cryptocurrencies Bitcoin (BTC), Ethereum (ETH), Litcoin (LTC) Dash (DASH/USD), Ripple (XRP) DigiByte (DGB) and Nem (XEM), from February 24, 2022, to April 12, 2023 Methods: The approach to our research question will involve using the causality econometric model, Granger SVAR (Vector Autoregressive). Results: The results showed that stock indices and digital currencies show sharp structural breaks, and not all markets influence cryptocurrencies. The MOEX stock market affects the price formation of BTC, ETH, DGB, XEM, and XRP, while the DAX 30 stock index impacts ETH, LTC, DASH, DGB, and XEM. The Ukraine market (PFTS) influences ETH, but the other stock markets do not influence any of the cryptocurrencies analysed. Conclusion: Investors, policymakers, and other participants operating in the digital currency markets can find valuable information in the study's conclusions when seeking to rebalance their portfolios.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».