Akcijų rinka ir ekonomikos augimas JAV ir Prancūzijoje: akcijų rinkos sektorinių indeksų panaudojimo rezultatai.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Many scientists have analyzed a relation among economic and financial market variables. One of the purposes of these researches, and probably the most important one, is to find a better prediction of future economic changes. Economic theory suggests a strong link between stock market and economic activity. The question is whether the stock market is a predictor of future economic activity measured as growth of country’s gross domestic product. In this paper we analyze which economic sectors, represented by stock market sector indices, could have most impact on GDP. The aim of this paper is to analyze whether some sectors are more important than others while analyzing GDP change. The study uses data for the period 2000 Q2 – 2012 Q1 of the U.S. seasonally adjusted GDP and Dow Jones indices and data for the period 2001 Q1 – 2012 Q1 of France seasonally adjusted GDP and Euronext CAC indices. In order to find a relation between selected stock market sector indices and GDP, we will use cross correlation analysis. Our findings support the theory that stock market is a leading indicator for economic growth. In France stock market appears to be a stronger indicator for economic growth compared to the U.S. The results revealed that seasonally adjusted GDP growth lagged behind changes in stock market indices four quarters in France and three quarter in the U.S. In the U.S. worst predictive capabilities for GDP growth come from utilities, oil and gas sectors. Industrial and financial sectors gave the best cross correlation results with GDP growth. In France telecommunication, utilities sectors have the worst predictive capabilities, and consumer services and health care sectors gave the best cross correlation results on GDP growth, compared with others.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle