From oil spills to electric thrills: BYD’s rise and the market dynamics powering automaker stocks
Notice bibliographique
Résumé
Purpose This study examines how oil market volatility and clean energy trends impact the stock performance of automakers, specifically comparing traditional manufacturers with electric vehicle (EV) producers such as BYD and Tesla. The objective is to assess the extent to which traditional automakers are sensitive to oil market fluctuations, while EV manufacturers align more closely with clean energy dynamics, particularly during global market crises. Design/methodology/approach Using daily data from January 2013 to December 2023, we conduct linear regressions, GARCH, DCC-GARCH and the Diebold–Yilmaz connectedness approaches in the analysis. We use these econometric models to capture volatility patterns, correlations and cross-market spillovers. Findings Traditional manufacturers are affected by both oil prices and clean energy development. While traditional automakers remain more vulnerable to oil price volatility, global leading EV manufacturers BYD and Tesla are less sensitive to oil price shocks and show strong alignment with clean energy indices. Significant volatility spillovers are observed during global crises, such as the COVID-19 pandemic and the Russia–Ukraine conflict. Originality/value The paper uniquely integrates clean energy indices into the analysis of oil price impacts on automaker stocks. By comparing traditional and EV manufacturers using advanced econometric models, it sheds light on the literature of energy markets and sustainable financial 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».