MétaCan
Menu
Retour à la cohorte
Enregistrement W3122998758 · doi:10.1257/000282803321455322

Winter Blues: A SAD Stock Market Cycle

2003· preprint· en· W3122998758 sur OpenAlexafffund
Mark J. Kamstra, Lisa A. Kramer, Maurice D. Levi

Notice bibliographique

RevueAmerican Economic Review · 2003
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensUniversity of British ColumbiaUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésStock marketStock (firearms)SeasonalityEconomicsDaylightDepression (economics)Northern HemisphereFinancial economicsDemographic economicsGeographyClimatologyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract: This paper investigates the role of seasonal affective disorder (SAD) in the seasonal time-variation of stock market returns. SAD is an extensively documented medical condition whereby the shortness of the days in fall and winter leads to depression for many people. Experimental research in psychology and economics indicates that depression, in turn, causes heightened risk aversion. Building on these links between the length of day, depression, and risk aversion, we provide international evidence that stock market returns vary seasonally with the length of the day, a result we call the SAD effect. Using data from numerous stock exchanges and controlling for well-known market seasonals as well as other environmental factors, stock returns are shown to be significantly related to the amount of daylight through the fall and winter. Patterns at different latitudes and in both hemispheres provide compelling evidence of a link between seasonal depression and seasonal variation in stock returns: Higher latitude markets show more pronounced SAD effects and results in the Southern Hemisphere are six months out of phase, as are the seasons. Overall, the economic magnitude of the SAD effect is large. JEL classification: G1

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,019

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 Opus0,054
Tête enseignante GPT0,459
Écart entre enseignants0,405 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Economic ReviewMême sujetGlobal Health Care IssuesTravaux en français237 207