Dynamic Volatility Spillovers and Risk Transmission Between Oil, Gold, and <scp>G7</scp> Markets: A Crisis Perspective
Notice bibliographique
Résumé
ABSTRACT This study examines the volatility spillovers and interconnectedness among oil, gold, and G7 equity markets during three distinct periods: calm period (CP), natural health crises (NHC), and war crises (WC). It analyzes daily data from January 2010 to April 2024, utilizing asymmetric BEKK‐GARCH and Time‐Varying Parameter Vector Autoregression (TVP‐VAR) approaches. Our findings reveal significant spillover effects, with oil markets exhibiting stronger negative impacts on G7 equities during crises compared to gold. Notably, oil acts as a net risk transmitter across periods, while gold serves as a defensive and safe‐haven asset, particularly during NHC. The hedging effectiveness analysis indicates that gold‐G7 portfolios offer superior diversification, while oil‐G7 pairs provide cost‐effective hedging strategies, with France emerging as a key reference point. The pairwise net connectedness analysis identifies the USA, Japan, and Italy as primary shock transmitters during WC, while Canada, France, Germany, and the UK primarily function as shock recipients. Time‐varying spillover results highlight increased market interconnectedness during crises, emphasizing the vital role of commodity markets in risk management. These findings provide actionable insights for portfolio managers facing crises, enabling them to design effective hedging and diversification strategies.
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 | 0,002 | 0,000 |
| 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 | 0,001 |
| 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 ».