MétaCan
Menu
Retour à la cohorte
Enregistrement W4402377610 · doi:10.21511/imfi.21(3).2024.30

Pure contagion vs. financial interconnection in the subprime crisis context: Short- and long-term dynamics

2024· article· en· W4402377610 sur OpenAlexaboutno aff
Imen Zorgati, Asma Njima, Hassen Benjenana

Notice bibliographique

RevueInvestment Management and Financial Innovations · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubprime crisisGranger causalityCointegrationFinancial crisisPortfolioEconomicsContext (archaeology)Financial marketStock marketStock (firearms)Contagion effectFinancial economicsBusinessFinancial systemFinanceEconometricsGeographyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This paper examines the difference between pure contagion and financial interconnection by studying the U.S. and some American and Asian markets in the subprime crisis context. These markets are affected by the mortgage crisis, with data available from January 1, 2003 to December 30, 2011. The paper first identifies the turmoil period via the wavelet technique and adopts cointegration and Granger causality approaches by estimating vector autoregressive (VAR) and vector error correction models (VECM) models. Based on daily returns from stock market indices in five American countries (Mexico, Brazil, Canada, Argentina, and the U.S.) and eight Asian ones (Hong Kong, Japan, India, Indonesia, Malaysia, Singapore, Korea, and China), the results show eight cases of pure contagion and 10 cases of financial interconnection. In addition, there were high co-movements in the short term and low co-movements in the long term for financial interconnection cases. These findings have several implications for investors looking to diversify their portfolios internationally and for portfolio managers to expect and limit market risk. The results provide additional guidance to regulators and policymakers.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,238
Écart entre enseignants0,215 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInvestment Management and Financial InnovationsMême sujetMarket Dynamics and VolatilityTravaux en français237 207