MétaCan
Menu
Retour à la cohorte
Enregistrement W2765087350 · doi:10.5430/afr.v6n4p294

Risk-Return Dynamics of Cross-listed Stocks

2017· article· en· W2765087350 sur OpenAlexvenueno aff
Ming Jing Yang

Notice bibliographique

RevueAccounting and Finance Research · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessDiversification (marketing strategy)Stock (firearms)Monetary economicsCapital marketSpillover effectInvestment bankingHome marketVolatility (finance)Private placementFinancial economicsRisk–return spectrumEconomicsFinancePortfolio

Résumé

récupéré en direct d'OpenAlex

Since US has been playing a leading role in global economy and technology, any major price changes in the American stock market may affect other stock markets worldwide. The American Depositary Receipts (ADRs), being the substitutes for the foreign securities, provide American investors with appealing investment opportunities to form international portfolios and to achieve the international diversification benefits. These stocks cross-listed on different exchanges not only assist corporations in raising capital abroad, but also provide a better channel for firms to search for price efficiency across the international capital markets. Consequently, the objective of this study is to examine the risk and return dynamics between ADRs and their underlying securities. The empirical results of this study indicate that the mean and volatility spillover effects and information transmission between ADRs and their underlying securities are bi-directional for the Taiwanese securities, but uni-directional (from the underlying securities to their ADRs) for the Chinese securities. Furthermore, while the international center hypothesis and the home bias hypothesis are both supported for the Taiwanese securities cross-listed in US stock markets, this study also provides evidence more in favor of the home bias hypothesis for the Chinese ADRs and their underlying securities.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,169
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,094
Tête enseignante GPT0,366
Écart entre enseignants0,272 · 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.

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 revueAccounting and Finance ResearchMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207