Causal Relationship Between Stock and Real Estate Market Returns in G7 Countries: A Comparison Before and After the Pandemic
Notice bibliographique
Résumé
[[abstract]]本文以G7國家為研究對象，探討疫情前後股票與房地產市場之間的因果關係。為捕捉市場在不同狀態下的互動關係與結構性差異，本研究採用分位數Granger非因果關係檢定，結合Sup-Wald統計量，以檢驗各國的兩類市場之間是否存在顯著的互動關係與結構性變動。同時，本研究亦納入不同滯後階數模型設計進行分析，進一步捕捉市場間是否具有延遲反應。實證結果顯示，股票與房地產市場間的互動關係在低分位(市場低迷)、中分位(市場穩定)與高分位(市場熱絡)等不同市場階段皆呈現明顯異質性。部分國家(如加拿大、義大利與日本)在特定分位數下呈現雙向因果關係，其他國家則僅顯現單向或不顯著的關係。而疫情前後，亦有多數國家的兩類市場之間結構性重組的現象，反映出市場在面對重大經濟衝擊事件與政策制度調整後，互動模式產生顯著改變，並且部分國家的市場具有延遲影響。最後，經研究發現，分位數Granger非因果關係檢定更能揭示潛在的非線性關係與結構性轉變。在實務層面，研究結果亦可協助投資者於極端市場情境下進行跨市場資產配置判斷，同樣，為政策制定者在面對全球性衝擊時，提供策略之參考。 This paper studies the causal relationship between the stock market and the real estate market in G7 countries before and after the COVID-19 pandemic. To capture the interaction under different market conditions and structural differences, this paper adopts the Quantile Granger Non-causality Test combined with the Sup-Wald statistic to examine whether sig-nificant interaction relationships and structural changes exist between the two markets in each country. At the same time, this paper incorporates models with different lag structures to further capture whether delayed responses exist between markets. The empirical results show that the interaction between the stock and real estate mar-kets presents significant heterogeneity across different market stages, including lower quan-tiles (market downturns), median quantiles (market stability), and upper quantiles (market exuberance). In some countries, such as Canada, Italy, and Japan, bidirectional Granger cau-sality appears at specific quantiles, while in others, only unidirectional or insignificant rela-tionships are observed. Before and after the pandemic, many countries also experienced structural reconfigurations between the two markets, reflecting significant changes in inter-action patterns in response to major economic shocks and policy adjustments. In addition, some countries' markets exhibit delayed effects. Finally, the study finds that the Quantile Granger Non-causality Test is more capable of revealing potential nonlinear relationships and structural changes. In practice, the results can assist investors in making cross-market asset allocation decisions under extreme market conditions, and likewise provide references for policymakers in responding to global shocks.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».