Calendar anomaly in 3 Indices of CNX Nifty with respect to empirical study of quarter of the year effect, month of the year effect for the period of January 2004 -March 2013
Notice bibliographique
Résumé
Calendar anomalies in CNX Finance index which consist of 15 Finance-Housing, Banks, Financial Institution, CNX IT index consist of 20 Computer-Software companies, CNX Pharmaceutical index consist of 10 Pharmaceutical companies. This study tests the presence of the ‘quarter of the year effect’, ‘month of the year effect’ on stock market indices volatility by using the CNX Finance index, CNX IT index, CNX Pharmaceutical index during the period of 1st January 2004 to 31st March 2013. Data was analysed using descriptive statistics and inferential statistics. Thus findings revealed that quarter of the year effect, month of the year effect is present in all 3 indices volatility i.e. risk and returns. The maximum returns of CNX Finance index, CNX Pharmaceutical index are observed in 2nd Quarter and minimum returns are observed in 4th Quarter. Whereas maximum returns of CNX IT index is observed in the Quarter 2 and minimum returns in the Quarter 1. CNX Finance and CNX IT both are showing maximum volatility in 1st quarter, Quarter 4 is highly volatile for CNX Pharmaceutical index. Finance index maximum returns in the month of September. Whereas IT index shows maximum returns in December month. Pharmaceutical index shows maximum returns in the month of April. Finance index shows minimum returns in the month of October, IT index shows minimum returns in the month of May, Pharmaceutical index shows minimum returns in the month of January. Finance and IT index shows maximum volatility in the month of May, whereas Pharmaceutical index shows maximum volatility in the month of October.
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 | 0,000 |
| Science ouverte | 0,001 | 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 ».