MétaCan
Menu
Retour à la cohorte
Enregistrement W6960796219 · doi:10.1371/journal.pone.0288883.t003

Descriptive statistics (actual data).

2023· dataset· en· W6960796219 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2023
Typedataset
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreferenceContrast (vision)Stock marketInformation asymmetryMarket liquidityStock (firearms)Prospect theory

Résumé

récupéré en direct d'OpenAlex

<div><p>Based on the literature, it is commonly understood that stock prices (SP) are influenced by economic policy uncertainty (PU), with a rise in PU typically having a negative impact on SP. However, the relationship between PU and SP may not always be linear due to the varying risk preferences of individuals. Risk preference theory posits that individuals respond differently to different levels of risk. Therefore, this study aims to investigate whether PU determines SP asymmetrically (i.e., in a non-linear manner) by considering risk preferences and addressing a gap in the literature. To answer this question, the study employs a panel threshold approach to examine the effect of PU on SP in the Group of Seven (G7) countries, namely Canada, France, Germany, Italy, Japan, UK, and the US. In contrast to previous research, this study finds evidence of an asymmetric effect of PU on SP in the G7 countries. Specifically, the panel threshold results reveal that the impact of increased PU on SP is positive up to a certain level (Threshold1), beyond which it becomes negative (Threshold2). These findings are in line with information asymmetry hypothesis, prospect theory, behavioural finance hypothesis, and market liquidity hypothesis and shed light on the asymmetric behaviour of SP in response to varying levels of PU. The implications of these findings are significant for understanding how to manage risks effectively in the financial markets.</p></div>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,087
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante, Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesScience ouverte, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,277
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,087
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,000
Science ouverte0,0090,010
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,2590,537

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.

Tête enseignante Opus0,566
Tête enseignante GPT0,461
Écart entre enseignants0,105 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetScientific Computing and Data ManagementTravaux en français237 207