Export ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://bdtd.ucb.br:8443/jspui/handle/tede/3387
Type: Tese
Title: Machine learning-driven bibliometric analysis: understanding interbank financial networks and energy markets research landscapes
Author(s): Braz, Tércio de Matos 
First Advisor: Silva, Thiago Christiano
Summary: O presente trabalho contribui para a literatura relativa a redes financeiras interbancárias e cenários dos mercados de energia por meio de análises descritivas, resumos, identificação de tendências e padrões de pesquisa ao longo do tempo de artigos científicos, autores, palavras-chave, instituições e países, utilizando redes bibliométrica complexa (collaboration, co-citation, and common co-occurrence keywords networks), medidas de centralidade, machine learning e análise econométrica em dados em painel. A investigação de modelos de redes financeiras interbancárias no primeiro artigo ganhou importância desde a crise financeira de 2007-2008 devido ao elevado nível de interconectividade entre os bancos predominantes nos mercados financeiros globais. Os resultados mostram que o termo “liquidity” é a palavra-chave mais importante para prever um elevado número de citações ao longo do tempo. Nossa análise revela que os artigos relacionados à liquidez possuem maior valor na comunidade científica, considerando o número médio de citações por artigo em comparação aos artigos sobre solvência. Os países representados pelo primeiro autor, como o Reino Unido, os EUA, a Suíça e a Áustria, tendem a destacar-se na previsão do sucesso académico com base no número médio de citações anuais. O segundo artigo está ancorado na guerra Rússia-Ucrânia, que discute a literatura sobre os mercados energéticos, incluindo o risco geopolítico, os efeitos spillover nos mercados de energia e a transição energética. A inferência de artigos indica que a palavra-chave “crude-oil” é a mais significativa na rede co-occurrence. Além disso, “volatility spillover”, “clean energy”, “financial risk”, “impulse response analysis”, and “energy” são fatores vitais que preveem contagens de citações mais altas. Entre essas palavras-chave avaliadas, tudo o resto igual, “clean energy” prevê fortemente o sucesso acadêmico do artigo. A China tem muitos trabalhos de investigação na amostra, mas apresenta um resultado de colaboração inferior com França, EUA e Índia. As literaturas sobre redes financeiras interbancárias e repercussões de volatilidade têm em comum avaliar choques, efeitos spillover ou interconexões, porém há mudanças nas variáveis de interesse, respectivamente, repercussões de um banco para outro e repercussões dos mercados de energia para outro. Em geral, nosso estudo fornece a educadores, traders, formuladores de políticas públicas, reguladores, pesquisadores e profissionais de finanças um cenário abrangente, os principais tópicos de pesquisa e tendências relativas a palavras-chave, autores, periódicos e países na área de pesquisa.
Abstract: The current work contributes to the literature on interbank financial networks and landscape of energy markets through analysis, summaries and identification of research trends and patterns of scientific papers, authors, keywords, institutions and countries over time using a bibliometric complex network (collaboration, cocitation, and common co-occurrence keywords networks), centrality measure, machine learning and panel-data analysis. The investigation of interbank financial networks in the first paper has gained significance since the 2007-2008 financial crisis due to the heightened level of interconnectedness among banks prevalent across global markets. The results shows the term ‘‘liquidity’’ is the most important keyword to predict a high number of citations over time. Our analysis reveals that liquidity-related papers are the most valued by the community if we look at the number of average citations per paper compared to solvency-related papers. The countries represented by the first author, like the United Kingdom, the US, Switzerland, and Austria, tend to stand out in predicting academic success based on the average number of yearly citations. The second article is anchored in the Russia-Ukraine war, which discusses the literature on energy markets, including geopolitick risk, spillover effects on energy markets and energy transition. In this work, the evaluation of relevant articles indicate that the 'crude-oil' keyword is the most significant in the co-occurrence network. Additionally, 'volatility spillover', 'clean energy', 'financial risk', 'impulse response analysis', and 'energy' are vital factors predicting higher citation counts. Among these keywords evaluate, all else equal, “clean energy” strongly predicts the paper’s academic success. China has many research papers in the sample but presents a lower collaboration result with France, U.S., and India. The literatures on interbank financial networks and volatility spillover have in common evaluate shocks, spillover effects or interconnections, however there are changes in the variables of interest, respectively, spillover from bank to another and spillover from energy market to another. Overall, our study provides educators, traders, policymakers, regulators, researchers, and finance practitioners a comprehensive map, major research topics and trends relative keywords, authors, journals, and countries in research field.
Keywords: Redes interbancárias financeiras
Mercado de energia
Liquidez
Crude-oil
Energia limpa
Transbordamento de volatilidade
Machine learning
Interbank financial networks
Energy markets
Liquidity
Crude oil
Clean energy
Volatility spillover
Machine learning
Bibliometric complex network
CNPq: CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
Language: por
Parents: Brasil
Publisher: Universidade Católica de Brasília
Institution Abbreviation: UCB
Department: Escola de Humanidades, Negócios e Direito
Program: Programa Stricto Sensu em Economia de Empresas
Citation: BRAZ, Tércio de Matos. Machine learning-driven bibliometric analysis: understanding interbank financial networks and energy markets research landscapes. 2023. 104 f. Tese (Programa Stricto Sensu em Economia de Empresas) - Universidade Católica de Brasília, Brasília, 2023.
Access Type: Acesso Aberto
URI: https://bdtd.ucb.br:8443/jspui/handle/tede/3387
Document date: 7-Dec-2023
Appears in Collections:Programa de Pós-Graduação em Economia de Empresas

Files in This Item:
File Description SizeFormat 
TércioBrazTese2023.pdfTese3.28 MBAdobe PDFThumbnail

Download/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.