Forecasting Volatility Stock Return: Evidence from the Nordic Stock Exchanges
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this study is to explore the volatility and secondary effects in the four Nordic stock exchanges of Norway: Oslo Bors Linked all-share index AXLT Denmark: OMX Copenhagen 20, Sweden: OMX Stockholm 30 and Finland: OMX Helsinki 25. Keeping in mind that there is an ARCH effect in the returns of the four stock exchanges, we move on to the evaluation to the evaluation of models ARCH (q), GARCH (p, q) GARCH-M (p, q). Evaluating the parameters became possible through the use of the maximum likelihood method using the BHHH algorithm of (Berndt et al., 1974) and the three distributions (normal, t-Student, and the Generalized normal distribution GED). The results of this study indicate model ARMA(0,1)-GARCH-Μ(1,1) with t-student distribution as the appropriate one to describe the returns of the all Nordic stock exchanges except that of Sweden, where model ARMA(0,3)-GARCH-Μ(1,1) describes it best. Lastly, for forecasting the models ARMA(0,1)-GARCH-Μ(1,1) and ARMA(0,3)-GARCH-Μ(1,1) of the current stock exchanges we use both the dynamic and static process. The results of this study indicate that the static process forecasts better than the corresponding dynamic.
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.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 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 découle