MétaCan
Menu
Retour à la cohorte
Enregistrement W2321205464

Efficient Market Hypothesis and Fundamental Analysis: An Empirical Test in the European Securities Market

2016· article· en· W2321205464 sur OpenAlexvenueno aff
Francesco Campanella, Mario Mustilli, Eugenio D’Angelo

Notice bibliographique

RevueReview of Economics and Finance · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEfficient-market hypothesisFinancial marketDividendEconomicsFinancial economicsSample (material)Irrational numberEmpirical researchMarket efficiencyEmpirical evidenceBusinessStock marketFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper is to make a contribution to the empirical analysis of the efficient market hypothesis, specifically to appraise the potential of fundamental analysis as a predictor of abnormal returns following dividend announcements in European financial markets. The authors use a sample of 1, 708 manufacturing and service businesses. The findings obtained are evidence that fundamental analysis does help predict abnormal returns, that the prediction model is barely influenced by the overall economic cycle and that the efficiency level of the European financial market is not of the semi-strong type. The misalignment observed between the market prices and fundamental values of securities may either be traced to the inability of investors to correctly interpret and use the information that is made available or, and even more probably, to the fact that economic agents adopt principles and procedures other than those recommended by traditional theorists. The findings have led to the emergence of behavioural finance, a discipline which emphasises the irrational conduct of many investors in financial markets, as well as their tendency to underrate the risks associated with given investments on the wrong assumption that events held to be associated with disclosed information will ultimately be averted.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,539
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,033
Tête enseignante GPT0,229
Écart entre enseignants0,196 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207