MétaCan
Menu
Retour à la cohorte
Enregistrement W3097571562 · doi:10.1080/15427560.2020.1841767

Behavioral Heterogeneity in the Stock Market Revisited: What Factors Drive Investors as Fundamentalists or Chartists?

2020· article· en· W3097571562 sur OpenAlexaff
Leon Li, Peter Miu

Notice bibliographique

RevueJournal of Behavioral Finance · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensMcMaster University
Organismes subventionnairesAccounting and Finance Association of Australia and New Zealand
Mots-clésEconomicsFinancial economicsVolatility (finance)Stock (firearms)AccrualStock marketInvestment decisionsBehavioral economicsHerdingEconometricsMonetary economicsEarningsFinance

Résumé

récupéré en direct d'OpenAlex

This paper reexamines the issue of behavioral heterogeneity in the stock market. In contrast to previously documented contemporaneous results, we test the issue by identifying and testing four new determinants of the proportion of fundamentalists and chartists in the stock market. Our empirical results are consistent with the following notions. First, the proportion of fundamentalists increases for stocks with incremental information involved in accounting reporting as proxied by discretionary accruals. Second, the proportion of fundamentalists is positively related to the degree of dispersion in financial analysts' forecasts, which implies that stock investors care more about the intrinsic value of firms obtained with fundamental analysis when encountering information asymmetry or uncertainty. Third, the proportion of fundamentalists increases for stocks with higher volatility in prices. For the proportion of chartists, the reverse of these arguments holds true. Fourth, the proportion of chartists versus fundamentalists is related to the investment horizon. Investors give more weights to technical analysis when considering short-term investments. For long-term investments, investors increase the weighting given to the fundamental analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,112
Tête enseignante GPT0,307
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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Behavioral FinanceMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207