Market frictions and the geographical location of global stock exchanges. Evidence from the S&P Global Index
Notice bibliographique
Résumé
Purpose We examine the impact of market frictions in the form of trading costs on investor average holding periods for stocks in the S&P global 1200 index to examine constraints on international portfolio diversification. Design/methodology/approach We determine whether it is appropriate to pool stocks listed in the USA, Canada, Latin America, Europe, Japan, Asia and Australia into investigations using the same empirical specification. This is very important because the pooled effects may not provide consistent estimates of the average. Findings We report overwhelming econometric evidence that it is not valid to pool stocks in all the underlying regional equity indices for our investigation, indicating that the effect of frictions varies between markets. Research limitations/implications When we pool the stocks within markets, we discover that for companies listed in the USA, Europe, Canada and Australia, market frictions do not significantly influence holding periods and hence are not a barrier to portfolio rebalancing. However, companies listed in Latin America and Asia face market frictions, which are significant in terms of increasing holding periods. Practical implications We ascertain that taking into account the properties of stock markets in different geographical locations is vital for understanding the limits on achieving international portfolio diversification. Originality/value Unlike prior research, we overcome the problems caused by contemporaneous correlation, endogeneity and joint determination of investor average holding periods and trading costs by employing the Generalized Method of Moments (GMM) system panel estimator. This makes our empirical estimates robust and more reliable than the previous empirical research in this area.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».