Accueil › Annuaire des chercheurs › Amine Lahiani
Amine Lahiani
Affiliation : Université d'Orléans · Laboratoire d’Économie d’Orléans
- 19Publications (affiliation française)
- 148Publications au total
- 5075Citations
- 36Indice h
Profil de recherche
Amine Lahiani compte 19 publications référencées (2013–2026). Ses travaux paraissent principalement dans « Computational Economics », « Annals of Operations Research » et « The Journal of Risk Finance ». Son article le plus cité, « Financial distress prediction: The case of French small and medium-sized firms » (2017), a été cité 220 fois. 10 de ces publications datent des trois dernières années d’activité. Ses travaux sont cosignés avec au moins 9 chercheurs, notamment dans des établissements de Tunisie.
C’est vous ? Faites connaître vos travaux
Créez gratuitement votre profil DzCademia et ajoutez vos articles : ils apparaîtront plus facilement sur Google et dans les assistants d’IA comme ChatGPT. Plus de personnes pourront vous lire et vous citer.
Créer mon profil gratuit Ajouter mes publicationsDomaines de recherche
- Market Dynamics and Volatility
- Financial Risk and Volatility Modeling
- Monetary Policy and Economic Impact
- Financial Markets and Investment Strategies
- Energy, Environment, Economic Growth
Publications (19)
- Interconnected multiscale waves: Tracking shock transmission across cryptocurrency, energy, economy and the environment
- Nonlinear effects of global value chain participation on environmental quality in developing countries
- Forecasting Carbon Prices: What Is the Role of Technology?
- Bayesian Network in Machine Learning: An Empirical Investigation to Assess the Price Clustering Model During Crises
- Comprehensive Stock Market Insight: Bayesian Networks for Multi-output Forecasting
- Causal Insights into the Relationship between Cryptocurrency Trading Volumes and Nft Sales: A New Hybrid Conditional Mutual Information Model Based on Partial Correlation and Wavelet Decomposition
- A hybrid deep learning model for cryptocurrency returns forecasting: Comparison of the performance of financial markets and impact of external variables
- Predicting bank inactivity: A comparative analysis of machine learning techniques for imbalanced data
- Correction: A comparative analysis of machine learning techniques for imbalanced data
- Cost-benefit analysis economic evaluation of CSR projects: evidence from Morocco
- Quantile connectedness between CO2 emissions and economic growth in G7 countries
- COVID-19, Russia-Ukraine war and interconnectedness between stock and crypto markets: a wavelet-based analysis
- Fiscal Consolidation, Social Sector Expenditures and Twin Deficit Hypothesis: Evidence from Emerging and Middle-Income Countries
- Extreme dependence and risk spillover across G7 and China stock markets before and during the COVID-19 period
- Impact of fiscal consolidation on economic growth: the Tunisian case
- Pricing corporate financial distress: Empirical evidence from the French stock market
- Financial distress prediction: The case of French small and medium-sized firms
- A wavelet-based nonlinear ARDL model for assessing the exchange rate pass-through to crude oil prices
- Does the South African Reserve Bank follow a nonlinear interest rate reaction function?
Revues de publication
- Computational Economics × 2
- Annals of Operations Research × 2
- The Journal of Risk Finance × 2
- International Review of Economics & Finance × 1
- Discover Sustainability × 1
- Journal of Forecasting × 1
Publications par année
- 20262
- 20254
- 20244
- 20232
- 20223
- 20191
- 20171
- 20141
- 20131
Collaborations
Établissements partenaires : ESSCA School of Management · RITM Research Center in Economics & Management · University of Sousse · IPAG Business School · University of Sfax
Pays des co-auteurs : Tunisie
Co-auteurs
- Salma Mefteh‐Wali
- Nada Mselmi
- Ameni Mtibaa
- Taher Hamza
- Asma Dammak
- Rabie Loukil
- Duc Khuong Nguyen
- Rania Jammazi
- Mariem Brahim
Données bibliographiques issues d’OpenAlex (base ouverte).
Pourquoi choisir Dzcademia ?
Pour donner à vos travaux plus de chances d’être découverts et recommandés par les IA. Profils, articles et communications : donnez à votre recherche une présence publique structurée. Les métadonnées intégrées aident les moteurs de recherche et les assistants IA à identifier vos travaux et à comprendre leurs références.
Commenter avec Google
Connecte-toi avec Google pour commenter directement sur cette page.