Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-fin > arXiv:2503.01148v3

帮助 | 高级搜索

定量金融 > 风险管理

arXiv:2503.01148v3 (q-fin)
[提交于 2025年3月3日 (v1) ,最后修订 2025年6月7日 (此版本, v3)]

标题: 人工智能 ETF、人工智能代币和绿色市场之间的动态溢出效应与投资策略

标题: Dynamic spillovers and investment strategies across artificial intelligence ETFs, artificial intelligence tokens, and green markets

Authors:Ying-Hui Shao, Yan-Hong Yang, Han-Xian Zhou, Wei-Xing Zhou
摘要: 本文利用R²分解法研究了人工智能(AI)ETF、AI代币与绿色市场之间的风险溢出效应。 我们揭示了几个关键见解。 首先,总体传递连接性指数(TCI)与同期TCI紧密相关,而滞后TCI显著较低。 其次,AI ETF和清洁能源充当风险传播者,而AI代币和绿色债券则充当风险接收者。 第三,与AI ETF和绿色资产相比,AI代币难以对冲且提供有限的对冲能力。 然而,多元投资组合有效降低了AI代币的投资风险。 其中,最小相关性投资组合的表现优于最小方差和最小连接性投资组合。
摘要: This paper investigates the risk spillovers among AI ETFs, AI tokens, and green markets using the R2 decomposition method. We reveal several key insights. First, the overall transmission connectedness index (TCI) closely aligns with the contemporaneous TCI, while the lagged TCI is significantly lower. Second, AI ETFs and clean energy act as risk transmitters, whereas AI tokens and green bond function as risk receivers. Third, AI tokens are difficult to hedge and provide limited hedging ability compared to AI ETFs and green assets. However, multivariate portfolios effectively reduce AI tokens investment risk. Among them, the minimum correlation portfolio outperforms the minimum variance and minimum connectedness portfolios.
评论: 24页,8幅图
主题: 风险管理 (q-fin.RM) ; 人工智能 (cs.AI)
引用方式: arXiv:2503.01148 [q-fin.RM]
  (或者 arXiv:2503.01148v3 [q-fin.RM] 对于此版本)
  https://doi.org/10.48550/arXiv.2503.01148
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yanhong Yang [查看电子邮件]
[v1] 星期一, 2025 年 3 月 3 日 03:53:33 UTC (612 KB)
[v2] 星期六, 2025 年 3 月 29 日 11:40:52 UTC (625 KB)
[v3] 星期六, 2025 年 6 月 7 日 03:07:19 UTC (625 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-fin.RM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-03
切换浏览方式为:
cs
cs.AI
q-fin

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号