MétaCan
Menu
Retour à la cohorte
Enregistrement W2774151438 · doi:10.1186/s40854-017-0082-9

Value investing or investing in illiquidity? The profitability of contrarian investment strategies, revisited

2017· article· en· W2774151438 sur OpenAlexafffund
Aron Gottesman, Gady Jacoby, H. J. Li

Notice bibliographique

RevueFinancial Innovation · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésContrarianProfitability indexEconomicsPortfolioInvestment strategyFinancial economicsValue (mathematics)Investment (military)Stock (firearms)Monetary economicsStock marketMarket liquidityFinanceMathematics

Résumé

récupéré en direct d'OpenAlex

We investigate whether the success of contrarian investment strategies can be attributed to differences in the relative illiquidity of stocks categorized as value investments versus those categorized as glamour portfolios. Following Lakonishok et al. (J Financ 49:1541–1578, 1994), we assess the illiquidity characteristics of portfolios that underlie contrarian investment strategies that are based on the level of stock’s book to market. We find strong evidence that those portfolios characterized as value investments are associated with dramatically greater levels of illiquidity than glamour portfolios. We further demonstrate that strategies based on the illiquidity in the year prior to portfolio formation result in return characteristic of ostensibly contrarian strategies. These results suggest that the higher returns associated with contrarian investment strategies are the result of the higher illiquidity associated with value portfolios and represent compensation that the investor receives for accepting illiquidity. They also suggest that researchers should be cautious before attributing apparent anomalies to behavior-driven expectational errors rather than to other attributes unrelated to behavior, such as illiquidity.

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)0,024
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 enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,003
Communication savante0,0020,004
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,096
Tête enseignante GPT0,281
Écart entre enseignants0,186 · 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

Citations6
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFinancial InnovationMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207