Random walk and breaking trend in financial series: An econometric critique of unit root tests
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
Abstract The present note sheds light on several pitfalls associated with unit root tests that are overlooked by a growing volume of literature in financial economics. Specifically, several studies have confused unit root tests with the Random Walk hypothesis. Unit root tests are not designed for such a task since they aim at investigating whether a time series is difference‐stationary or trend‐stationary and are not, therefore, predictability tests. Secondly, we emphasize some serious shortcomings associated with the widely used unit root test developed by Zivot and Andrews [Zivot, E. & Andrews, D.W.K. (1992). Further evidence on the great crash, the oil‐price shock, and the unit‐root hypothesis. Journal of Business and Economic Statistics , 10, 251–270.]. In particular, we stress that results from the Zivot–Andrews test are sensitive to the methods employed to calculate the critical values and to select the maxim lag k . Furthermore, Zivot–Andrews test imposes a one time structural break in a time series; however recent studies showed that not counting for other true structural breaks may bias the results and may cause a spurious rejection of the unit root null hypothesis. Finally, we support our arguments by an empirical example based on the findings of Narayan and Smyth [Narayan, K.P. & Smyth, R. (2004). Is South Korea's stock market efficient? Applied Economics Letters , 11, 707–710.] with regards to the efficiency of South Korean stock market. We show that contrary to what the authors claim, the KSE (KOSPI) price index is predictable, and hence the South Korean stock market is not informationally efficient.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle