The shock of war: do trade relations impact the reaction of stock markets to the Russian invasion of Ukraine?
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Celem artykułu jest sprawdzenie, czy siła powiązań handlowych z Rosją i Ukrainą istotnie różnicuje reakcję giełd papierów wartościowych na militarną agresję Rosji na Ukrainę 24 lutego 2022 r. Zakres podmiotowy badania stanowią wszystkie kraje G20 oraz Unii Europejskiej. W badaniu skoncentrowano się na jednodniowej zmianie indeksu giełdowego w pierwszym dniu inwazji oraz zmianie indeksu giełdowego w okresie od 23 lutego do 7 marca 2022 r. Data 7 marca 2022 r. odnosi się do najwyższego poziomu niepewności giełdowej w następstwie wybuchu analizowanego konfliktu zbrojnego. Na podstawie analizy skupień metodą k-średnich wyodrębniono trzy klastry reprezentujące kraje o podobnym udziale w handlu z Rosją i Ukrainą. Następnie, wykorzystując test Kruskala-Wallisa oraz test rang Wilcoxona, zweryfikowano, czy istnieją istotne różnice w reakcjach giełd między wyodrębnionymi grupami krajów. Zaobserwowano, że poziom powiązań handlowych kraju ze stronami konfliktu istotnie różnicuje reakcje indeksów giełdowych. Największe spadki wartości notują wiodące indeksy giełdowe z krajów najbardziej powiązanych gospodarczo z Rosją i Ukrainą. Wyniki badań wskazują na to, że poziom relacji gospodarczych między krajami może mieć istotny wpływ na reakcję indeksów giełdowych na wybuch międzynarodowych konfliktów zbrojnych, w szczególności w okresie globalizacji rynków finansowych.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it