MétaCan
Menu
Retour à la cohorte
Enregistrement W2913680468 · doi:10.5430/ijba.v10n1p73

Impact of Portfolio Strategies on Portfolio Performance and Risk

2018· article· en· W2913680468 sur OpenAlexvenueno aff
Zunera Shaukat, Shahzad Ahmad

Notice bibliographique

RevueInternational Journal of Business Administration · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueStock Market Forecasting Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTreynor ratioSharpe ratioCapital asset pricing modelPortfolioEconometricsStock (firearms)EconomicsModern portfolio theoryInvestment strategyFinancial economicsActuarial scienceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The Portfolio strategies are the effective investment tools pertaining to active and passive investment approaches. This signifies the investor’s inclination of buying and selling the risky and risk-free assets. The research includes four strategies namely buy and hold strategy, dynamic asset allocation, strategic asset allocation and tactical asset allocation along with their dimensions. Strategies based hypothetical portfolios are generated on the basis of 14 years’ stock prices (2005-2017). The annually and monthly risk-adjusted return ratios; Sharpe ratio, Treynor’s measure, CAPM and Jenson Alpha are calculated individually. Simulated annualized portfolios generate significant result with Sharpe and treynor measure. Alpha return is generated with buy and hold if based on growth in stock prices. For empirical result, One-way analysis of variance (ANOVA) is used for studying the relationship between the strategies. Post hoc Tukey’s test is applied to find the difference between the strategies. The ANOVA and Tukey’s post hoc test for monthly portfolios gives significant results with three measure Sharpe ratio, CAPM and Jenson Alpha. No empirical significant result is measured on the basis of treynor measure.

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)0,004
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,072
Tête enseignante GPT0,430
Écart entre enseignants0,358 · 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'étudeSimulation ou modélisation
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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetStock Market Forecasting MethodsTravaux en français237 207