On the Connectedness Between Bitcoin, Gold, Gold-Backed Cryptocurrencies and the G7 Banking Sector Stock Indices During Crises: Evidence from Quantile Vector Autoregression and Temporal Frequency Connectivity approach
Notice bibliographique
Résumé
This study investigates the dynamic connectedness among conventional cryptocurrencies (Bitcoin), gold-backed currencies (PAXG and DGX), gold, and G7 banking sector indices (USA, Germany, Canada, France, UK, Italy, and Japan). Employing Quantile Vector Autoregression and Temporal-Frequency Connectivity methodologies, our analysis reveals nuanced relationships among these market blocks. France and Germany’s banking indices exhibit the highest connectedness, emphasizing their central roles. Peaks in the Total Connectedness Index coincide with global events, underscoring the market’s sensitivity to external shocks. G7 banking sectors emerge as stable information transmitters, while Bitcoin, PAXG, DGX, and gold act as net receivers of shocks, reflecting their effectiveness as hedges during economic uncertainties. Our time-quantile space approach unveils a symmetrical pattern in dynamic connectivity, emphasizing robust interconnections between positively and negatively shifted assets. The time-frequency connectedness analysis highlights the market’s short-term sensitivity, emphasizing the need for adaptive risk management. Decomposing net directional connectivity into short and long-term dynamics provides valuable insights for investors and risk managers. Ultimately, our findings contribute to a deeper understanding of dynamic connectedness in the cryptocurrency market, offering insights for effective risk management and decisionmaking in this evolving financial landscape.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».