MétaCan
Menu
Retour à la cohorte
Enregistrement W2361116393 · doi:10.5430/ijfr.v7n3p28

Seasonality Effect on the Vietnamese Stock Exchange

2016· article· en· W2361116393 sur OpenAlexvenueno aff
Chung Tien Luu, Cuong Hung Pham, Long Pham

Notice bibliographique

RevueInternational Journal of Financial Research · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVietnameseSeasonalityStock exchangeStock marketStock (firearms)Financial economicsBusinessEconomicsMonetary economicsFinanceGeographyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

The Vietnamese Stock Market is a remarkable emerging market, including the two stock markets Ha Noi and Ho Chi Minh Stock Exchange and they have been playing a very important role inVietnamese economy. More and more attention is focused on the emerging Vietnamese market, and investors have been trying to find the opportunity to achieve abnormal returns through the Vietnamese Stock Market. We name this phenomenon market efficiency a nomaly, one pattern of which is seasonality effect. In this study, the topic about the seasonality effect is chosen. We try to test the seasonality in Vietnamese Stock Market by day of the week effect, January effect and turn of the month effect. Deductive approach and quantitative research method are used in this thesis. To analyze seasonality effect, the data has been collected from Ho Chi Minh Stock Exchange Composite Index – VN Index and has been tested from 2006 to 2014. Hypothesis and T-test with α=0.05 isused to test the seasonality effect. The results show that seasonal anomalies exist. The above indicates that the Vietnamese Stock Market is not fully efficient yet. Investors may have opportunities to make use of the seasonal anomalies to earn abnormal return. However, the study is based on the historical data, but the future stock price is affected by lots of factors; and like in other invested stock markets, as soon as the seasonal anomalies is certified by the public, the opportunity of making excessive return by profitable trading strategies will disappear at once.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,114
Tête enseignante GPT0,348
Écart entre enseignants0,234 · 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'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

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207