The dynamics of risk premium: the case of the Taiwan real estate market
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose – This paper aims to examine the risk premium for investors in a changing information environment in the Taiwan, New York and London real estate markets from March 2006 to November 2014. This study attempts to quantify behavioral expectations regarding (or motivation for) investment in the Taiwanese real estate in a changing information environment. Design/methodology/approach – This paper uses the rolling generalised autoregressive conditionally heteroskedastic in mean (GARCH-M) methodology which fixes the problem of conventional GARCH-M methodology. Findings – Empirical evidence suggests that the time-varying risk premium changed for the Taiwan real estate market with a new information set. The risk premium changed from 1.305 per cent per month to −7.232 per cent per month. The study also found persistent volatility shocks from March 2006 to November 2014. No such evidence was found for the New York and London real estate markets. Overall, this study finds evidence of a time-varying risk premium, partly explainable by governmental policies and partly unexplainable. Research limitations/implications – The use of the index of Standard and Poor’s Taiwan Real Estate Investment Trusts to study the Taiwan real estate industry may have aggregation effects in result. Practical implications – The present study will provide guidance to investors as well as policymakers regarding the Taiwan real estate market. Originality/value – This study uses the rolling GARCH-M model, which is a first for the Taiwan real estate market.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle