Divergence of opinion and valuation in a mean‐variance framework
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the impact of heterogeneous expectations on the equilibrium value of a risky asset in a capital market populated by investors that choose mean‐variance efficient portfolios. Design/methodology/approach A single‐period, discrete‐time version of Williams' capital asset pricing model that incorporates heterogeneous beliefs regarding the mean vector of rates of return and homogeneous beliefs regarding the variance‐covariance matrix of rates of return is developed. It is then employed to gauge the impact of both divergence of opinion and increases thereof on the equilibrium price of a risky asset. Findings The value of a risky asset under heterogeneous beliefs differs from that under homogeneous beliefs as the former is biased towards the beliefs of wealthier and/or more risk tolerant investors. If the latter set of investors is optimistic (pessimistic), the value is higher (lower) than that which prevails in the absence of divergence of beliefs. Increasing divergence of opinion likewise affects the equilibrium price of a risky asset to accord more with the beliefs of wealthier and/or more risk tolerant investors. If the latter set of investors is optimistic (pessimistic), increasing dispersion of beliefs causes the value of a risky asset to rise (fall). Originality/value A novel simplification and application of Williams' model of capital asset pricing is presented. The findings differ from conclusions derived in previous theoretical treatments of divergence of opinions in capital markets.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».