MétaCan
Menu
Retour à la cohorte
Enregistrement W2142367888 · doi:10.1093/jjfinec/nbm012

Components of Market Risk and Return

2007· article· en· W2142367888 sur OpenAlexaff
John M. Maheu, Thomas H. McCurdy

Notice bibliographique

RevueJournal of Financial Econometrics · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEconometricsVolatility (finance)UnivariateEconomicsVariance risk premiumEquity premium puzzleEquity (law)Bivariate analysisRealized varianceRisk premiumFinancial economicsVolatility risk premiumVariance (accounting)Conditional varianceStochastic volatilityAutoregressive conditional heteroskedasticityMultivariate statisticsStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

This article proposes a flexible but parsimonious specification of the joint dynamics of market risk and return to produce forecasts of a time-varying market equity premium. Our parsimonious volatility model allows components to decay at different rates, generates mean-reverting forecasts, and allows variance targeting. These features contribute to realistic equity premium forecasts for the U.S. market over the 1840–2006 period. For example, the premium forecast was low in the mid-1990s but has recently increased. Although the market's total conditional variance has a positive effect on returns, the smooth long-run component of volatility is more important for capturing the dynamics of the premium. This result is robust to univariate specifications that condition on either levels or logs of past realized volatility (RV), as well as to a new bivariate model of returns and RV.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0030,005
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,039
Tête enseignante GPT0,225
Écart entre enseignants0,185 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations43
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Financial EconometricsMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207