Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the conditions under which discount risk leads to closed‐end funds trading at a discount. Design/methodology/approach A model of investor portfolio choice is developed in which investors face proportional fees for holding managed funds but fixed transaction fees for purchasing other risky assets. The conditions under which investors will hold shares in closed‐end funds are derived. Findings It is shown that, with fixed transaction costs in the market for risky assets, investors with wealth below a certain threshold will hold pooled index funds that charge a proportional fee, rather than the market portfolio chosen by wealthier investors. If a portfolio of closed‐end index funds yields greater volatility of returns to investors than open‐end index funds (i.e. displays “excess volatility”), and charges the same fees, the closed‐end funds need to trade at a discount in equilibrium to attract buyers. The same applies to actively managed funds if higher fees fully reflect extra expected returns from the managers' skill. Practical implications A primary determinant of closed‐end fund discounts is discount volatility and co‐movement across funds. Originality/value Until now it has been argued that discount risk needs to be systematic (correlated with market returns) to be priced. The evidence that discount risk is systematic is weak. There is strong empirical evidence of excess volatility and co‐movement of discounts across closed‐end funds, which in our model are a sufficient condition for funds to trade at a discount, under plausible assumptions. This model thus provides a stronger argument that discount risk explains why discounts exist.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».