Investigating the Impact of Geopolitical Risks and Uncertainty Factors on Bitcoin
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the rise of cryptocurrencies and their appeal as alternative investment assets, this study, using daily and weekly data from early 2015 to late 2023, aims to analyze the influence of economic and geopolitical uncertainty factors on cryptocurrencies, particularly Bitcoin, and forecast their volatility using GARCH, EGARCH, and GJR-GARCH models. Our findings reveal that the Geopolitical Acts Index (GPAs), the U.S. Economic Policy Uncertainty Index (EPU), and the Volume of Bitcoin transactions exhibit a positive significant impact on its returns, whereas the Cryptocurrency Uncertainty Index (UCRY), S&P 500, and Volatility Index (VIX) demonstrate a negative one. Furthermore, by decomposing geopolitical turbulence into Geopolitical Risks (GPRs) and Threats (GPTs), these variables were found to be less significant compared to Geopolitical Acts. Finally, the asymmetry analysis (leverage effects) reflects on how negative shocks exhibit a greater influence than positive ones on Bitcoin returns, indicating that adverse news in the media tends to impact the cryptocurrency returns more profoundly. Our conclusions contribute to the existing literature by exploring the role that Bitcoin, and cryptocurrencies in general, play as investment assets, when taking into consideration the volatility they entail, especially following negative shocks in an economy.
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.
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 | 0,000 | 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 | 0,000 | 0,002 |
| 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 découle