Predicting Short-term Market Returns and Volatility Using Index of Consumer Sentiment
Notice bibliographique
Résumé
This study examines the short-term predictive ability of Index of Consumer Sentiment (ICS) about Indian stock market returns. Monthly values of ICS, six broad market indices, and nine sectorial indices are collected. The paper finds significant contemporaneous co-movement between S&PBSE500 and other indices. There is no contemporaneous co-movement between ICS and 15 indices. With one lag, ICS Granger cause two sectorial indices and four broad market indices. The one period ahead predictive regression model finds that sentiment has some predictive power of small cap, mid cap and BSE500 index returns. The effect is negative and statistically significant. The predictive regression result indicates that following month of high consumer sentiment, small cap, midcap, and BSE500 index returns decline and vice-versa. However, there is no association between ICS and large cap index and sentiment has no predictive ability of large cap index. The result of variance model indicate that ARCH term and GARCH term are insignificant indicating that the market has no long memory and new shocks will not persist to many future periods. The paper finds no volatility clustering and volatility persistence except in case of small cap index. This paper finds presence of noise trade and investors over-reaction in small cap stocks. EGARCH result supports for the presence of leverage effect, and confirms negative impact of consumer sentiment on small cap stocks.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».