Wael Dammak
Research Subjects
Wael Dammak has a total of 19 co-authors. Here are the top co-authors by number of shared publications:
- Ahmed Jeribi
Faculty of Economics and Management of Mahdia, University of Monastir, Mahdia, Tunisia
5 shared publications - Halilibrahim Gökgöz
Afyon Kocatepe University, Turkey
2 shared publications - Hind Alnafisah
Department of Economics, College of Business Administration, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh 11671, Saudi Arabia
2 shared publications - Ali Ben Mrad
Department of Computer Science, College of Computer, Qassim University, Buraydah, Saudi Arabia
1 shared publication - Ali Trabelsi Karoui
Faculty of Economics, and management science of Sfax; LED Laboratory, Sfax, Tunisia
1 shared publication - Ali Trabelsi Karoui1 shared publication
Latest Publications
- Open Access
- 14 June 2026
- Published by Elsevier in International Review of Economics & Finance
- Vol. 110
Technical and fundamental approaches to evaluate performance: Market behaviors with hidden markov models in the French market
- 14 June 2026
- Published by Elsevier in International Review of Economics & Finance
- Vol. 110
Open AccessTechnical and fundamental approaches to evaluate performance: Market behaviors with hidden markov models in the French market
- 4 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Evaluation des options sur devises en présence des coûts d'information statiques et dynamiques : modèles théoriques et validation empirique
Le modèle fondamental pour évaluer les options sur devises, proposé par Garman et Kohlhagen (1983), repose sur l'hypothèse de l'efficacité des marchés financiers. Cette hypothèse est bâtie sur deux piliers : premièrement, elle présume que les acteurs économiques sont parfaitement rationnels ; et deuxièmement, elle suppose une absence d'imperfections du marché. Ces hypothèses entraînent une réaction immédiate des prix des actifs face à une nouvelle information, reflétant ainsi toutes les données disponibles. L'objectif principal de cette thèse est d'évaluer si l'intégration des coûts d'information statiques et dynamiques dans le modèle fondamental de Garman et Kohlhagen (1983), améliore l'efficacité des modèles d'évaluation des options sur devises étrangères. Le premier chapitre introduit le concept de coûts d'information statiques dans le modèle de tarification des options sur devises de Garman et Kohlhagen (1983) dans le cadre de l'information incomplète de Merton (1987). En employant l'algorithme de l'Évolution Différentielle (ED) et en examinant un vaste ensemble de données, les résultats mettent en lumière la nature impérative de prendre en compte les coûts d'information statiques, alignant de manière cohésive les résultats de l'algorithme avec les observations du marché et soulignant le dialogue essentiel entre les coûts d'information et la tarification des actifs. Le deuxième chapitre s'immerge dans les répercussions de la pandémie de COVID-19 sur le comportement des investisseurs au sein du marché des options de change, introduisant les "imperfections du marché" comme une nouvelle variable pour encapsuler les écarts entre les prix des options du marché théorique et observé. L'utilisation du modèle de changement de régime de Markov révèle des modèles de divergence et de convergence dans le comportement des investisseurs, offrant une vue globale sur la dynamique et les ramifications de tels comportements pendant les périodes de crise, avec la pandémie agissant comme un exemple illustratif puissant. Le troisième chapitre navigue à travers le domaine complexe des coûts dynamiques et leur impact profond sur la tarification des options de change européennes. L'intégration d'une fonction d'intensité pour mesurer les coûts d'information dynamiques non seulement améliore la compétence du modèle à gérer la volatilité implicite, mais met également en lumière l'impératif d'incorporer ces coûts d'information dynamiques pour assurer la précision et la fiabilité des modèles de tarification des options de change en terme de maturité et de moneyness. Enfin, le quatrième chapitre revisite les coûts d'information dynamiques dans le contexte du modèle de Garman et Kohlhagen et s'immerge dans des approches méthodologiques innovantes. En utilisant l'algorithme DE et en mettant en œuvre une technique d'apprentissage automatique, à savoir la régression de forêt aléatoire, pour prédire les taux d'intérêt intérieurs et étrangers effectifs, le chapitre illustre la robustesse et la précision améliorée du nouveau modèle lorsque les coûts d'information dynamiques sont incorporés. Cette dernière étape de la recherche souligne le rôle pivot de l'intégration des techniques d'apprentissage automatique, contribuant ainsi de manière substantielle au domaine de la tarification des options. En résumé, cette thèse explore en profondeur le monde complexe de la tarification des prix des options sur devises. Elle introduit de nouvelles idées et mélange des méthodes classiques avec des approches plus modernes, donnant ainsi un outil plus complet et détaillé pour comprendre et se déplacer dans les marchés financiers. En reliant des théories avec des données de marché concrètes et en mélangeant différentes sortes de coûts d'information avec le comportement des investisseurs, cette recherche met non seulement en avant, mais aussi renforce les discussions sur comment fixer justement les prix des actifs et gérer les risques efficacement dans ce domaine
- 4 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Evaluation des options sur devises en présence des coûts d'information statiques et dynamiques : modèles théoriques et validation empirique
Le modèle fondamental pour évaluer les options sur devises, proposé par Garman et Kohlhagen (1983), repose sur l'hypothèse de l'efficacité des marchés financiers. Cette hypothèse est bâtie sur deux piliers : premièrement, elle présume que les acteurs économiques sont parfaitement rationnels ; et deuxièmement, elle suppose une absence d'imperfections du marché. Ces hypothèses entraînent une réaction immédiate des prix des actifs face à une nouvelle information, reflétant ainsi toutes les données disponibles. L'objectif principal de cette thèse est d'évaluer si l'intégration des coûts d'information statiques et dynamiques dans le modèle fondamental de Garman et Kohlhagen (1983), améliore l'efficacité des modèles d'évaluation des options sur devises étrangères. Le premier chapitre introduit le concept de coûts d'information statiques dans le modèle de tarification des options sur devises de Garman et Kohlhagen (1983) dans le cadre de l'information incomplète de Merton (1987). En employant l'algorithme de l'Évolution Différentielle (ED) et en examinant un vaste ensemble de données, les résultats mettent en lumière la nature impérative de prendre en compte les coûts d'information statiques, alignant de manière cohésive les résultats de l'algorithme avec les observations du marché et soulignant le dialogue essentiel entre les coûts d'information et la tarification des actifs. Le deuxième chapitre s'immerge dans les répercussions de la pandémie de COVID-19 sur le comportement des investisseurs au sein du marché des options de change, introduisant les "imperfections du marché" comme une nouvelle variable pour encapsuler les écarts entre les prix des options du marché théorique et observé. L'utilisation du modèle de changement de régime de Markov révèle des modèles de divergence et de convergence dans le comportement des investisseurs, offrant une vue globale sur la dynamique et les ramifications de tels comportements pendant les périodes de crise, avec la pandémie agissant comme un exemple illustratif puissant. Le troisième chapitre navigue à travers le domaine complexe des coûts dynamiques et leur impact profond sur la tarification des options de change européennes. L'intégration d'une fonction d'intensité pour mesurer les coûts d'information dynamiques non seulement améliore la compétence du modèle à gérer la volatilité implicite, mais met également en lumière l'impératif d'incorporer ces coûts d'information dynamiques pour assurer la précision et la fiabilité des modèles de tarification des options de change en terme de maturité et de moneyness. Enfin, le quatrième chapitre revisite les coûts d'information dynamiques dans le contexte du modèle de Garman et Kohlhagen et s'immerge dans des approches méthodologiques innovantes. En utilisant l'algorithme DE et en mettant en œuvre une technique d'apprentissage automatique, à savoir la régression de forêt aléatoire, pour prédire les taux d'intérêt intérieurs et étrangers effectifs, le chapitre illustre la robustesse et la précision améliorée du nouveau modèle lorsque les coûts d'information dynamiques sont incorporés. Cette dernière étape de la recherche souligne le rôle pivot de l'intégration des techniques d'apprentissage automatique, contribuant ainsi de manière substantielle au domaine de la tarification des options. En résumé, cette thèse explore en profondeur le monde complexe de la tarification des prix des options sur devises. Elle introduit de nouvelles idées et mélange des méthodes classiques avec des approches plus modernes, donnant ainsi un outil plus complet et détaillé pour comprendre et se déplacer dans les marchés financiers. En reliant des théories avec des données de marché concrètes et en mélangeant différentes sortes de coûts d'information avec le comportement des investisseurs, cette recherche met non seulement en avant, mais aussi renforce les discussions sur comment fixer justement les prix des actifs et gérer les risques efficacement dans ce domaine
- 4 November 2025
- Published by Springer Nature in Computational Economics
- Vol. 68 (4) , 1-31
Quantile Interactions and Spillovers among Blue Economy Indices, Bitcoin, VIX, and Traditional Assets during Crises
- 4 November 2025
- Published by Springer Nature in Computational Economics
- Vol. 68 (4) , 1-31
Quantile Interactions and Spillovers among Blue Economy Indices, Bitcoin, VIX, and Traditional Assets during Crises
- 2 July 2025
- Published by World Scientific Pub Co Pte Ltd in Global Economy Journal
- Vol. 25 (01n02)
TIME–FREQUENCY CONNECTEDNESS IN GLOBAL BANKING: VOLATILITY AND RETURN DYNAMICS OF BRICS AND G7 BANKS
Addressing recent disturbances in the global financial landscape, this paper investigates volatility and return spillovers within the banking indices of BRICS and G7 countries using a time-varying parameter autoregressive model. We analyze daily bank stock indices from January 2018 to October 2023, focusing on the role of interconnectedness in shaping global financial stability, particularly during significant events. Our empirical findings shed light on the dynamic nature of volatility and return spillovers between the banking sectors of these countries. These interconnections are notably influenced by specific countries and are significantly affected by turbulent events. The connectedness among the indices shows varying patterns across different time frequencies, with short-term and intermediate–long-term connectedness displaying distinct characteristics, especially during periods of global shocks. This heterogeneity underscores the complexity of financial market responses over different time horizons during crises. The study reveals that the connectedness among these indices is dynamic, showing considerable changes over time. We find that national banking indices frequently switch roles, oscillating between being net transmitters and receivers of volatility. This finding emphasizes the need to account for the varied impacts of global events on financial markets across different time frames. The research highlights the critical importance of understanding the interconnectedness in global banking markets and advocates for a dynamic approach by investors and policymakers in financial markets, stressing the necessity to adapt strategies to the continuously evolving market scenarios.
- 2 July 2025
- Published by World Scientific Pub Co Pte Ltd in Global Economy Journal
- Vol. 25 (01n02)
TIME–FREQUENCY CONNECTEDNESS IN GLOBAL BANKING: VOLATILITY AND RETURN DYNAMICS OF BRICS AND G7 BANKS
Addressing recent disturbances in the global financial landscape, this paper investigates volatility and return spillovers within the banking indices of BRICS and G7 countries using a time-varying parameter autoregressive model. We analyze daily bank stock indices from January 2018 to October 2023, focusing on the role of interconnectedness in shaping global financial stability, particularly during significant events. Our empirical findings shed light on the dynamic nature of volatility and return spillovers between the banking sectors of these countries. These interconnections are notably influenced by specific countries and are significantly affected by turbulent events. The connectedness among the indices shows varying patterns across different time frequencies, with short-term and intermediate–long-term connectedness displaying distinct characteristics, especially during periods of global shocks. This heterogeneity underscores the complexity of financial market responses over different time horizons during crises. The study reveals that the connectedness among these indices is dynamic, showing considerable changes over time. We find that national banking indices frequently switch roles, oscillating between being net transmitters and receivers of volatility. This finding emphasizes the need to account for the varied impacts of global events on financial markets across different time frames. The research highlights the critical importance of understanding the interconnectedness in global banking markets and advocates for a dynamic approach by investors and policymakers in financial markets, stressing the necessity to adapt strategies to the continuously evolving market scenarios.
- 3 May 2025
- Published by Springer Nature in Computational Economics
- Vol. 67 (4) , 2603-2642
Enhancing Currency Option Pricing Models: Incorporating Dynamic Information Costs and Machine Learning Techniques
- 3 May 2025
- Published by Springer Nature in Computational Economics
- Vol. 67 (4) , 2603-2642
Enhancing Currency Option Pricing Models: Incorporating Dynamic Information Costs and Machine Learning Techniques
- 5 February 2025
- Published by Elsevier in Research in International Business and Finance
- Vol. 75
Online investor sentiment in the financial futures markets
- 5 February 2025
- Published by Elsevier in Research in International Business and Finance
- Vol. 75
Online investor sentiment in the financial futures markets
- 10 December 2024
- Published by Springer Nature in Computational Economics
- Vol. 66 (4) , 2843-2872
Analysis of Gold, Bitcoin, and Gold-Backed Cryptocurrencies as Safe Havens during Global Crises: A Focus on Artificial Intelligence Companies
- 10 December 2024
- Published by Springer Nature in Computational Economics
- Vol. 66 (4) , 2843-2872
Analysis of Gold, Bitcoin, and Gold-Backed Cryptocurrencies as Safe Havens during Global Crises: A Focus on Artificial Intelligence Companies
- Open Access
AI companies' strategies with traditional vs. digital assets amid geopolitical and banking crises
- 26 June 2024
- Published by Elsevier in The Journal of Economic Asymmetries
- Vol. 30
Market turbulence and investor decision-making in currency option market
- 26 June 2024
- Published by Elsevier in The Journal of Economic Asymmetries
- Vol. 30
Market turbulence and investor decision-making in currency option market
- Open Access
Unveiling Outperformance: A Portfolio Analysis of Top AI-Related Stocks against IT Indices and Robotics ETFs
In this study, we delve into the financial market to compare the performance of prominent AI and robotics-related stocks against traditional IT indices, such as the Nasdaq, and specialized AI and robotics ETFs. We evaluate the role of these stocks in diversifying portfolios, analyzing their return potential and risk profiles. Our analysis includes various investment scenarios, focusing on common AI-related stocks in the United States. We explore the influence of risk management strategies, ranging from “buy and hold” to daily rebalancing, on AI stock portfolios. This involves investigating long-term strategies like buy and hold, as well as short-term approaches, such as daily rebalancing. Our findings, covering the period from 30 April 2021, to 15 September 2023, show that AI-related stocks have not only outperformed in recent years but also highlight the growing “AI bubble” and the increasing significance of AI in investment decisions. The study reveals that these stocks have delivered superior performance, as indicated by metrics like Sharpe and Treynor ratios, providing insights into market trends and financial returns in the technology and robotics sectors. The results are particularly relevant for investors and traders in the AI sector, offering a balanced view of potential returns against the risks in this rapidly evolving market. This paper adds to the financial market literature by demonstrating that investing in emerging trends, such as AI, can be more advantageous in the short term compared to traditional markets like the Nasdaq.
Open AccessUnveiling Outperformance: A Portfolio Analysis of Top AI-Related Stocks against IT Indices and Robotics ETFs
In this study, we delve into the financial market to compare the performance of prominent AI and robotics-related stocks against traditional IT indices, such as the Nasdaq, and specialized AI and robotics ETFs. We evaluate the role of these stocks in diversifying portfolios, analyzing their return potential and risk profiles. Our analysis includes various investment scenarios, focusing on common AI-related stocks in the United States. We explore the influence of risk management strategies, ranging from “buy and hold” to daily rebalancing, on AI stock portfolios. This involves investigating long-term strategies like buy and hold, as well as short-term approaches, such as daily rebalancing. Our findings, covering the period from 30 April 2021, to 15 September 2023, show that AI-related stocks have not only outperformed in recent years but also highlight the growing “AI bubble” and the increasing significance of AI in investment decisions. The study reveals that these stocks have delivered superior performance, as indicated by metrics like Sharpe and Treynor ratios, providing insights into market trends and financial returns in the technology and robotics sectors. The results are particularly relevant for investors and traders in the AI sector, offering a balanced view of potential returns against the risks in this rapidly evolving market. This paper adds to the financial market literature by demonstrating that investing in emerging trends, such as AI, can be more advantageous in the short term compared to traditional markets like the Nasdaq.