MétaCan
Menu
Retour à la cohorte
Enregistrement W2081037911 · doi:10.1002/ijfe.344

Estimation of the consumption CAPM with imperfect sample separation information

2007· article· en· W2081037911 sur OpenAlexaff
Andrei Semenov

Notice bibliographique

RevueInternational Journal of Finance & Economics · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésCapital asset pricing modelEconomicsEconometricsImperfectConsumption (sociology)Stochastic discount factorSample (material)Asset (computer security)Risk aversion (psychology)Mutual fund separation theoremConsumption-based capital asset pricing modelEquity premium puzzleSeparation (statistics)Capital assetStatisticsFinancial economicsMathematicsExpected utility hypothesisComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

Abstract We propose a consumption‐based capital asset pricing model consumption (CAPM), in which the pricing kernel is calculated as the average of individuals' intertemporal marginal rates of substitution weighted by the probabilities of holding the asset in question. These probabilities are conditional on available imperfect sample separation information and are estimated simultaneously with the parameters of Euler equations. Using data from the US Consumer Expenditure Survey, we find that the consumption CAPM with probability‐weighted agents yields a more precise estimate of the agent's risk aversion compared with the model, in which the available imperfect information on asset‐holding status is erroneously regarded as a perfect sample separation indicator. Copyright © 2007 John Wiley & Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,277
Score d'incertitude au seuil0,410

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,241
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Finance & EconomicsMême sujetHousing Market and EconomicsTravaux en français237 207