The Business Cycle And The Portfolio Composition Of Mutual Funds
Notice bibliographique
Résumé
This paper summarizes the arguments and counterarguments within the scientific discussion on the issue of mutual funds’ composition across the business cycle. The main purpose of the research is to determine whether mutual funds alter their investments across the business cycle. Systematization of the literary sources and approaches for solving the problem of the relationship between the business cycle and the composition of mutual funds indicates that five-star rated mutual funds may have an investment strategy that is different from lower-rated funds. Investigation of the topic of the relationship between the business cycle and composition of mutual funds in the paper is carried out in the following logical sequence: First, we classified each quarter as an “improving” or a “worsening” business condition period based on the Aruoba-Diebold-Scotti Business Conditions Index. As a result, we had seven “improving” and seven “worsening” business condition periods during our sample period. Then, we compared each star group (one-star to five-star) investments in common stocks, preferred stocks, convertible bonds, warrants, corporate bonds, municipal bonds, government bonds, other securities, and cash across the “improving” versus the “worsening” periods. The methodological tools utilized in this research were nonparametric tests. The objects of the research are the mutual funds listed in the CRSP quarterly mutual funds dataset for the 2003-2006 period. The paper presents the results of empirical analysis for these mutual funds, which showed that five-star funds tend to have a different strategy when compared to lower-rated funds. The research empirically confirms and theoretically proves that the five-star funds tend to invest more in riskier assets and they tend to better adjust to the conditions (i.e. invest more in common stocks and less in bonds in improving periods) when compared to the other groups. This explains their success: higher NAVs compared to the other groups and higher star ratings. On the other hand, our results show that the lower-rated funds do not adjust their investments in main asset classes like stock and bonds during “improving” versus “worsening” business condition periods. Overall, our results indicate that mutual funds’ star ratings and NAVs are linked to these funds’ success in their adaptation to the macro-economic environment. The results of the research can be useful for investment firms or individual investors that consider investing in U.S. mutual funds. Keywords: mutual fund, portfolio, business cycle, recession, net asset value.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».