An Empirical Comparative Analysis of the Gold Market Dynamics of the Indian and U.S. Commodity Markets
Notice bibliographique
Résumé
This study examines the dynamic relationship between the gold markets of India and the United States from 2005 to 2025. Recognising gold’s role as a hedge and safe-haven during market uncertainty, we employ the Autoregressive Distributed Lag (ARDL) model to assess long-term co-integration and apply the Toda–Yamamoto causality test to evaluate directional influences. Additionally, the Generalised Autoregressive Conditional Heteroskedasticity (GARCH) (1, 1) model is applied to examine volatility spillovers. Results reveal no long-term co-integration between the two markets, suggesting they function independently over time. However, unidirectional causality is observed from the U.S. to the Indian gold market, and the GARCH model confirms bidirectional volatility transmission, indicating interconnected short-run dynamics. These findings imply that gold market shocks in one country may affect short-term pricing in the other, but not long-term trends. From a portfolio diversification and risk management perspective, investors may benefit from allocating assets across both markets. This study contributes a novel empirical framework by integrating ARDL, Toda–Yamamoto Granger causality, and GARCH(1, 1) models over a two-decade period (2005–2025), incorporating post-COVID market dynamics. The combination of these methods, applied to both an emerging (India) and developed (U.S.) economy, provides a comprehensive understanding of gold market interdependence. In doing this, the paper offers valuable insights into causality, volatility transmission, and diversification potential. The econometric rigour of the study is enhanced through residual diagnostic tests, including tests of normality, autocorrelation, and other heteroscedasticity tests, as well as VAR stability tests. These ensure strong inference and model validity; more specifically, they are pertinent to the analysis of financial time series.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».