MétaCan
Menu
Retour à la cohorte
Enregistrement W2542933970 · doi:10.3386/w24646

Global Portfolio Diversification for Long-Horizon Investors

2018· report· en· W2542933970 sur OpenAlexfundno aff
Luis M. Viceira, Zixuan Wang

Notice bibliographique

RevueNational Bureau of Economic Research · 2018
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoHarvard Business School
Mots-clésDiversification (marketing strategy)EconomicsBondCash flowPortfolioFinancial economicsMonetary economicsVolatility (finance)Equity (law)Stock (firearms)Interest rateBusinessFinance

Résumé

récupéré en direct d'OpenAlex

This paper conducts a theoretical and empirical investigation of global portfolio diversification for long-horizon investors in the presence of permanent cash flow shocks and transitory discount rate shocks to asset prices and returns.An increase in the cross-country correlations of cash flow shocks raises the risk of a globally diversified portfolio at all horizons.By contrast, an increase in the cross-country correlations of discount rate shocks has a muted effect on portfolio risk at long horizons and does not diminish the benefits of global portfolio diversification to long-term investors.Empirically, we find that increased correlations of discount rate shocks resulting from financial globalization appear to be the main driver of an estimated secular increase in the crosscountry correlations of both stock and bond returns since the late 1990's.Increased correlations of inflation shocks are also an important source of the shift in bond correlations.By contrast, we don't find evidence of an increase in the cross-country correlations of equity cash flow news or stock market volatility shocks.Our findings imply that the benefits of global equity diversification have not declined for long horizon investors despite the secular increase in global stock correlations, while the benefits of global bond diversification have declined.

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)0,002
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,414
Tête enseignante GPT0,463
Écart entre enseignants0,049 · 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
GenreAutre

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

En bref

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207