Factors of Stock Return and Carhart Model: The Case of Dhaka Stock Exchange (DSE) of Bangladesh
Notice bibliographique
Résumé
The objective of this study is to find factors of stock return by testing validity of Carhart model in Dhaka Stock Exchange (DSE) of Bangladesh. For this purpose, this study uses monthly excess return of portfolios, size, book-to-market value, market return, and price momentum data of 109 sample firms to calculate return factors such as market risk premium, size premium (SMB), value premium (HML), and momentum effect (UMD) for the sample period of 2005 to 2014. Then a total of ten portfolios, six based on size and book-to-market value and four based on size and price momentum, are constructed in this study. Excess return of each of these portfolios are calculated and regressed on the above four factors. Results of this study reveal that in DSE, market risk premium is positively and significantly related with the excess return of all portfolios; Size premium is found positively and significantly related with the return of small size portfolios; Value premium is found negatively and significantly related with the returns of all portfolios except one big portfolio (B/H); momentum effect is found positively and significantly related to the excess return of up (U), big (B), and small (S) size portfolios. It is also evident from R2 value, F statistic, and robustness test of this study that four-factor model is valid and it can predict portfolio returns accurately when there is no abnormality such as market crash occurs in DSE.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».