MétaCan
Menu
Retour à la cohorte
Enregistrement W3121479294 · doi:10.1111/jofi.12836

Where Is the Risk in Value? Evidence from a Market‐to‐Book Decomposition

2019· article· en· W3121479294 sur OpenAlexaff
Andrey Golubov, Theodosia Konstantinidi

Notice bibliographique

RevueThe Journal of Finance · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésValue premiumEconomicsCapital asset pricing modelPortfolioValue (mathematics)Cash flowFinancial economicsOperating leverageMarket valueComponent (thermodynamics)Risk premiumMarket portfolioIntrinsic value (animal ethics)ArbitrageEconometricsLeverage (statistics)Systematic riskPredictabilityMathematicsFinanceProfitability indexStatistics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We study the value premium using the multiples‐based market‐to‐book decomposition of Rhodes‐Kropf, Robinson, and Viswanathan (2005). The market‐to‐value component drives all of the value strategy return, while the value‐to‐book component exhibits no return predictability in either portfolio sorts or firm‐level regressions. Existing results linking market‐to‐book to operating leverage, duration, exposure to investment‐specific technology shocks, and analysts’ risk ratings derive from the unpriced value‐to‐book component. In contrast, results on expectation errors, limits to arbitrage, and certain types of cash flow risk and consumption risk exposure are due to the market‐to‐value component. Overall, our evidence casts doubt on several value premium theories.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,690

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,230
Écart entre enseignants0,211 · 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'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

Citations94
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of FinanceMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207