Modeling Volatility of the Bahraini Stock Index: An Empirical Analysis
Notice bibliographique
Résumé
This study investigates the volatility dynamics of the Bahrain All Share Index (BAX) between 2010 and 2025, a period marked by COVID-19 and regional geopolitical shocks. Using ARMA (1,1) to model returns and four GARCH-family models (ARCH, GARCH, EGARCH, GJR-GARCH) to capture volatility, we provide new evidence from a bank-based frontier market that has received limited empirical attention. The results reveal that returns are stationary and exhibit volatility clustering. Among the competing models, EGARCH (1,1) provides the best fit—exhibiting the lowest AIC and SIC values and the highest log-likelihood—revealing a significant leverage effect whereby negative shocks generate stronger volatility than positive shocks. This asymmetric volatility pattern contradicts earlier findings for Bahrain but aligns with theoretical expectations for bank-based financial systems. The findings carry implications for investors in terms of portfolio risk management, derivative pricing, and asset allocation. They also have important implications for regulators and policymakers, suggesting that counter-cyclical buffers and interest rate adjustments could be applied to stabilize the market in anticipation of negative shocks. These insights enrich the scarce literature on volatility in small frontier markets and contribute to a more nuanced understanding of the volatility dynamics in the MENA region.
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 | 0,001 | 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) | 0,000 | 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 ».