MétaCan
Menu
Retour à la cohorte
Enregistrement W3047397683 · doi:10.5267/j.ac.2020.7.010

Pricing model for Indonesia government bond

2020· article· en· W3047397683 sur OpenAlexvenueno aff
Randi Bayu Prathama, Gracia Shinta S. Ugut Sugiarto, Edison Hulu

Notice bibliographique

RevueAccounting · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueStochastic processes and financial applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBondEconomicsYield curveGovernment bondForward rateInterest rateBond valuationEconometricsTreasuryYield (engineering)Financial economicsAsset (computer security)Monetary economicsFinanceComputer science

Résumé

récupéré en direct d'OpenAlex

The yield curve is the building block of fair value in pricing bonds. It has been used by market participants for their asset valuations, Central Bank and Government's Treasury for monetary, interest rate and borrowing decisions. The official yield curve construction in Indonesia government bond is based on Svensson model which is widely accepted and used by several countries. The objective is to find more accurate fair price from yield curve as the alternative of IBPA government bond curve as the baseline. This research takes observation on three alternative yield curve models in comparison with the baseline Svensson Model to price several series of benchmark and non-benchmark bonds. Fair price is further tested with One-Way ANOVA and Post Hoc in order to find the significance between models. The results show that alternative models are performing better in determining the fair value prices of the government bonds compared to the baseline model.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil0,383

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,038
Tête enseignante GPT0,218
Écart entre enseignants0,180 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccountingMême sujetStochastic processes and financial applicationsTravaux en français237 207