Dynamic and asymmetric connectedness among fossil energies and stock markets of the Belt and Road countries under shocks from extreme events
Notice bibliographique
Résumé
This study investigates the dynamic and asymmetric return connectedness between fossil energies of crude oil and natural gas, and stock markets of the Belt and Road countries (the B&R stock markets) under shocks from extreme events (e.g. the COVID-19 pandemic and the Russo-Ukrainian war) from 2019 to 2023 by using the time-varying parameter vector autoregression model (TVP-VAR) with the asymmetric connectedness indicator and multilayer spillover networks. We find that: (i) risk spillover between fossil energies and the B&R stock markets is more sensitive to negative information on price changes than positive information, and the asymmetry of the connectedness is much larger during the periods with exogenous shocks induced by extreme events of the COVID-19 pandemic and the Russo-Ukrainian war. (ii) the level of risk spillover between fossil energies and the B&R stock markets has significantly increased after the outbreak of extreme events, and the global shock from the COVID-19 pandemic has more widespread and greater impact on the risk spillover than the geopolitical shock from the Russo-Ukrainian war. (iii) fossil energies perform as risk receivers throughout the full sample period, and risks are primarily transferred from high-income countries to low-income countries within the B&R stock markets, this phenomenon is also intensified by the extreme shocks. Our findings provide valuable guidance and have economic implications for both investors and policymakers worldwide to diversify and manage the risks within the global fossil energy market and the B&R stock markets.
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 | 0,000 | 0,000 |
| 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 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 ».