An Empirical Investigation into Contagion and The Effects of The 2007 Global Financial Crisis On the Cross-Country Linkages Amongst Developed and Emerging Economies, and The Resulting Impact On the Diversification Opportunities for a Global Investor
Notice bibliographique
Résumé
Using data from 12 stock markets the conditional and unconditional correlations around the 2007 global financial crisis are examined across the 2000-2015 period, testing for the effects of contagion spanning across a range of sample periods. A statistical comparison of the Pearson correlation coefficients, Forbes and Rigobon adjusted coefficients, and Engle’s dynamic conditional correlation coefficients, has been conducted in order to determine which method provides the most robust results. It is demonstrated that the DCC model provides the most intuitive and robust estimates for the correlation coefficients as well as assessing the time-varying dynamic nature of these linkages, to display intricate patterns among each market and the corresponding fluctuations in correlations over time. Due to this time-varying nature, it is also found that sample size specification can result in differing interpretations based on the length of time that the sample periods tested around the crisis period are supporting the findings of Dungey and Zhumabekova (2001). Finally, from a novel three-sample testing framework, the nature of linkages can consistently be observed through understanding how the patterns change between markets. Whereby for USA, Canada, Australia, South Africa, Mexico, and Estonia, the correlation patterns suggest a long-term effect of contagion from the UK market upon these markets. Whereas observing the patterns for Australia, India, Turkey, and Argentina these countries display a short-term effect of contagion from the UK in that these markets display signs of recovery, following on from the crisis.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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 ».