MétaCan
Menu
Retour à la cohorte
Enregistrement W2991267719 · doi:10.17705/1jais.00578

Measuring Riskfrom IT Initiatives UsingImplied Volatility

2019· article· en· W2991267719 sur OpenAlexafffund
Dawei Zhang, Barrie R. Nault

Notice bibliographique

RevueJournal of the Association for Information Systems · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésVolatility (finance)Implied volatilityFinancial economicsEconometricsVolatility smileEconomicsStock (firearms)Stock exchangeVolatility swapBusinessFinance

Résumé

récupéré en direct d'OpenAlex

We propose an underrecognized measure to capture changes in firm risk from information technology (IT) announcements: implied volatility (IV) from a firm’s exchange-traded options. An IV is obtained from a priced stock option and represents the option market’s expectation of the firm’s average stock return volatility over the remaining duration of the option. Using the change in IV around IT announcements, we can directly assess changes in IT-induced firm risk. IVs are straightforward to obtain, and are forward-looking based on option market investors’ estimates of future stock return volatility. They do not rely on historical volatility that is confounded with other events. In addition, options have different expiration dates—each with an IV—allowing us to distinguish between short- and long-term risk. We show how a change in IV can be employed to assess changes in short- and long-term firm risk from IT announcements and demonstrate this methodological innovation empirically using a set of IT announcements that have been utilized in previous studies.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,750
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,008
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,077
Tête enseignante GPT0,271
Écart entre enseignants0,195 · 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.

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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Association for Information SystemsMême sujetBig Data and Business IntelligenceTravaux en français237 207