Stock market volatility and oil shocks: A study of G7 economies
Notice bibliographique
Résumé
Oil shocks have caused economic recessions over the years, affecting various markets, especially the stock market. The objective of this study is to analyze how global oil price index variable and shocks related to supply, economic activity, demand, and inventory affect the volatility and dynamics of G7 countries' stock market indices in the context of the 2014 oil shock. Using monthly data from January 2003 to September 2023, a combined methodology of Vector AutoRegressive (VAR) and Generalized AutoRegressive Conditional Heteroskedasticity (GARCH) models was applied to capture mean and conditional volatility dynamics, complemented with exponential GARCH (EGARCH) models to detect asymmetries. The results indicate that oil shocks have a significant impact on stock index volatility, with Canada, Japan and the UK showing high sensitivity, especially during and after the 2014 oil shock. Negative shocks affect volatility more than positive ones. Therefore, economic policies to mitigate extreme volatility and reduce economic uncertainty are necessary. Moreover, for oil-dependent economies, such as Canada, their vulnerability to oil price fluctuations needs to be reduced. This study provides a comprehensive understanding of the influence of oil shocks on the volatility and dynamics of G7 stock markets, offering valuable implications for policymaking and future research. • Oil price index affected volatility of stock market indices during 2014 oil shock. • Negative shocks affect volatility more than positive ones. • Economic policies to reduce risk and economic uncertainty are necessary in oil shocks.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».