Stock market reactions to interest rate changes and the influence of investor sentiment
Notice bibliographique
Résumé
This thesis explores how changes in interest rates and investor sentiment shape stock market performance, focusing on the short-term reactions around multiple event windows following central bank announcements across different regions. Using an event study approach, it measures Cumulative Abnormal Returns (CARs) to understand how markets respond to interest rate changes and shifts in the Consumer Confidence Index (CCI) between 1980 and 2023. Consistent with previous research, the study finds that rising interest rates tend to lead to negative market returns, especially in regions like Canada and Japan, where these reactions are the most pronounced. However, the impact of investor sentiment isn’t uniform across the board. While past studies often suggest widespread effects of sentiment on markets, our findings show that it plays a significant role in regions such as Japan and the European Union, but less so in places like Canada and the UK. The research also dives into how industries respond to the combination of interest rate direction and investor sentiment. Certain sectors in Japan and Europe showed strong reactions, supporting the idea that some industries are more sensitive to these economic factors. On the other hand, markets in Switzerland and the UK were largely unaffected, which contrasts with some earlier findings. Overall, this study confirms and adds to previous research by showing that while macroeconomic factors influence stock markets, the strength and nature of these effects differ across regions and sectors. These insights are valuable for investors and policymakers, especially in times of shifting monetary policies.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».