MétaCan
Menu
Retour à la cohorte
Enregistrement W3122864594 · doi:10.1017/s0022109010000207

Dynamic Factors and Asset Pricing

2010· article· en· W3122864594 sur OpenAlexaff
Zhongzhi He, Sahn-Wook Huh, Bong‐Soo Lee

Notice bibliographique

RevueJournal of Financial and Quantitative Analysis · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésCapital asset pricing modelEconometricsConsumption-based capital asset pricing modelEconomicsPortfolioEx-antePredictive powerArbitrage pricing theoryExplanatory powerAsset (computer security)Investment theoryStochastic discount factorFactor analysisDynamic factorFinancial economicsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This study develops an econometric model that incorporates features of price dynamics across assets as well as through time. With the dynamic factors extracted via the Kalman filter, we formulate an asset pricing model, termed the dynamic factor pricing model (DFPM). We then conduct asset pricing tests in the in-sample and out-of-sample contexts. Our analyses show that the ex ante factors are a key component in asset pricing and forecasting. By using the ex ante factors, the DFPM improves upon the explanatory and predictive power of other competing models, including unconditional and conditional versions of the Fama and French (1993) 3-factor model. In particular, the DFPM can explain and better forecast the momentum portfolio returns, which are mostly missed by alternative models.

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)0,001
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 enseignants0,445
Score d'incertitude au seuil0,455

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,026
Tête enseignante GPT0,256
Écart entre enseignants0,230 · 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

Citations22
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Financial and Quantitative AnalysisMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207