ESTRATEGIAS CUANTITATIVAS DE VALOR Y RETORNOS POR ACCION DE LARGO
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
Se intenta en esta investigacion generar estrategias de inversion cuantitativas basadas principalmente en el analisis fundamental desarrollado por Graham y Dodd (1934). Mientras existe cierto consenso que dichas estrategias pueden generar retornos satisfactorios, existe dificultad en explicar la razon de dichos retornos. Se postula aqui, que dichos retornos estan relacionados, al menos en parte, al flujo de resultados de las companias. En lo global, se utiliza una muestra con informacion de las mas importantes empresas que componen el mercado de Canada, Espana, Europa, USA y Gran Bretana. Se utiliza la metodologia estandar aplicada por Fama y French (1992) y Lakonishok, Shleifer y Vishny (1994). Dicha metodologia consiste en realizar, primero, una simulacion historica de las estrategias de inversion; para luego, realizar pruebas estadisticas basadas en analisis de regresion con minimos cuadrados ordinarios. Los resultados muestran que, en resumen, segun la evidencia empirica obtenida, al parecer mientras mayor sea el valor libro o el resultado por accion en relacion al precio y mientras menor sea dicho precio, existira un mayor potencial de retorno futuro de la accion. Se confirmaria en consecuencia la estrategia generica de inversion propuesta por Graham y Dodd (1934). Finalmente, cuando se introduce el riesgo y los efectos tamano y ratio BM, se concluye que la estrategia mas robusta es comprar acciones de menor precio y con la mayor diferencia entre dicho precio y el resultado contable por accion del ultimo ano. Sin embargo, no debe descartarse que los hallazgos sean producto de data mining. Nota: se indica mas informacion bibliografica que la reportada.
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 | 0,011 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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