ARBITRAGE PRICING MODEL IN RELATION TO EFFICIENT MARKET HYPOTHESES
Notice bibliographique
Résumé
The purpose of this thesis is to distinguish between efficient and inefficient markets and check the validity and efficiency of Arbitrage Pricing Theory in these markets (United States and Hong Kong).
 In order to distinguish between efficient and inefficient markets, Durbin Watson Autocorrelation tests were applied on 12 stock exchanges name EUROPE, HONG KONG, INDIA, TAIWAN, AMSTERDAM, MALAYSIA, UNITED STATES, CANADA, TOKYO, AUSTRALIA, AUSTRIA, and SWITZERLAND. Furthermore, the efficiency was further checked through comparison of the market and locally listed mutual funds. After the selection of Hong Kong and United States Stock Exchanges, 10 macroeconomic variables (Inflation, Short Term Interest Rate, Long Term Interest Rate, Exchange Rate, Money Supply, Gold Prices, Oil Prices, Industrial Production Index, Market Return and Unemployment Rate were tested upon so that the APT model could be constructed. Tests like Normality and Multi-co-linearity were performed. Principle Component Analysis was used to reduce the number of variables. After all the above mentioned tests 4 variables were chosen to represent the APT in both the Hong Kong and United States Stock Exchanges. Lastly OLS Regression was applied to study the effect of these macroeconomic variables on the stock prices.
 The results showed that Hong Kong Stock Exchange was the most efficient while United States Stock Exchange fell in the inefficient category. The efficiency of APT was proven through the analysis of the value of R2. This value proved that when similar model of APT is applied in two different stock exchanges, the results would be more efficient in an efficient market like Hong Kong.
 This is the first attempt at constructing an APT Model based on the economic conditions in one country and applying the same model in a highly efficient market; in order to relate the performance of APT with market efficiency.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».