An Empirical Analysis of the Seasonal Patterns in Aggregate Directors’ Trades
Notice bibliographique
Résumé
This paper examins the seasonal patterns in aggregate insider trading transactions, specifically, do insiders prefer to trade on any particular day of the week or month of the year? It also, given that such seasonal patterns exist, attempts to relate these patterns to explanations drawn from the literature on calendar anomalies in returns (and volumes). The results outlined from this paper includes: There is a day of the week anomaly in aggregate insider activities (as measured by number and value of insider transactions). Particularly, relative to other days, insiders tend to trade more on Fridays and less on Tuesdays. Also, the distribution of the average value of directors’ trades (buys and sells) across the week days forms a U shape i.e. high trading value on the beginning of the week (Monday) and the end of the week (Friday). Also, there is a month of the year anomaly in aggregate insider activities (as measured by the number of insider transactions). Insiders tend to trade most frequently in March and least in August. The results of OLS Regression Model indicate that there is no monthly anomaly in aggregate insider selling activities as measured by the aggregate value of insider transactions. The results of TOBIT Regression Model show that the average value of directors’ selling activities in March is higher and significantly different relative to other months of the year. The results of OLS regression are also confirmed by the results of K-W statistic test which supported the non existence of monthly anomaly in aggregate director trading (measured by the value of director transactions).
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».