MétaCan
Menu
← Retour à la cohorte
Enregistrement W2588349303 · doi:10.5539/ass.v13n3p126

The Gap between the Returns that Calculated by Capital Asset Pricing Model and the Actual Returns in Abu Dhabi Securities Exchange (ADX): Evidence from the United Arab Emirates

2017· article· en· W2588349303 sur OpenAlexvenueno aff
Anas Ali Al-Qudah

Notice bibliographique

RevueAsian Social Science · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAbu dhabiCapital asset pricing modelEconomicsVolatility (finance)Leverage (statistics)EconometricsDispersion (optics)Financial economicsBusinessStatisticsMathematicsGeography

Résumé

récupéré en direct d'OpenAlex

This study aimed to compare the Historical Returns (Rit) in companies listed in Abu Dhabi Securities Exchange (ADX) with the return which calculated by Capital Asset Pricing Model (E(Rit)) for the same companies and periods, and trying to figure out the level of dispersion, distortions and differences between them, and trying to figure out the strengths and weaknesses for the CAPM to explain the variances which happened in the Annual Return.The researcher used the time series analysis to achieve the target of this study, using Microsoft Office Excel software to introduce some figure and graphs which considered as output from Scatter charts, which are often used to find out if there's a relationship between variable X and Y to make judgment on the gap between the variables mentioned before.The researcher found that in the most of the study sample firms the capital asset pricing model could not to predict the returns were generated by companies in Abu Dhabi Securities Exchange (ADX), except in the banking sector, the result was amazing because the graphs which output from the time series analysis show the ability of CAPM to predict the Historical Returns, they were very closed and they Walking in the same direction without volatility.After the results appear in the time-series analysis researcher can says that there are weaknesses in the ability of CAPM to predict the returns in the financial markets which consistent with the (Fama & French, 1992) and with most studies conducted in this regard, but the model shows high ability to predict the returns in the banking sector. Therefore, the researchers can generalization this result on the financial markets in the United Arab Emirates. uage:EN-US;mso-fareast-language:ZH-CN;mso-bidi-language:AR-SA'>A critical demand for more nurses 30%-40% in certain units due to high work load. Most of the nurses were not satisfied about monitory compensation, participation in decision making and inadequate supplies.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,065
Tête enseignante GPT0,268
Écart entre enseignants0,203 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social Science→Même sujetFinancial Markets and Investment Strategies→Travaux en français237 207→