MétaCan
Menu
Retour à la cohorte
Enregistrement W2562398266 · doi:10.5430/bmr.v5n4p62

Validity of the Capital Asset Pricing Model (CAPM) for Securities Trading at the Nairobi Securities Exchange (NSE)

2016· article· en· W2562398266 sur OpenAlexvenueno aff
Georgas Janata

Notice bibliographique

RevueBusiness and Management Research · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCapital asset pricing modelEconomicsFinancial economicsEconometricsValue (mathematics)Capital marketRisk–return spectrumActuarial scienceBusinessFinanceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

This research undertakes an empirical analysis of the validity of the Capital Asset Pricing Model (CAPM) for securities trading at the Nairobi Securities Exchange (NSE). Based on the critical conditions of the CAPM model, the specific objectives of the research were: to evaluate the level of systematic risks for firms listed on the NSE, to evaluate the rate of return for individual stocks listed on the NSE, to evaluate the rate of return for the NSE, to analyze the relationship between systematic risk and expected returns for firms listed on the NSE, and to evaluate the value of the intercept term for firms listed on the NSE. Fama & Macbeth’s two-pass regression method is applied to a sample of eighteen firms trading at the NSE, with the most recent data (May 2013 –May 2016) being used. By virtue of finding a beta value that is statistically different from zero, the study concludes that the CAPM is not a valid model for explaining risk-return relationships at the NSE. Other critical conditions which the findings violate include: the hypothesized linear risk-return relationship, and the hypothesized zero value for the intercept. Some of the failures of the CAPM are attributed to its theoretical failings, and specifically, its many unrealistic and simplifying assumptions. Although this study addresses the methodological weaknesses of prior studies by basing analysis on portfolios rather than individual stocks (thus correcting measurement error problems) and carrying out month-by-month cross-section regression (thus correcting residual errors); the methodology adopted still fails to account for anomalies in asset pricing. Therefore, in addition to recommending that future studies adopt methodologies that account for pricing anomalies, this study also recommends that future studies consider expanding the number of firms to study as well as the period of study. This can help to generate more observations, and therefore, better data fit.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,424
Score d'incertitude au seuil0,427

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,129
Tête enseignante GPT0,285
Écart entre enseignants0,156 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and Management ResearchMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207