MétaCan
Menu
Retour à la cohorte
Enregistrement W3123172108

Financial Asset Returns, Market Timing, and Volatility Dynamics

2002· preprint· en· W3123172108 sur OpenAlexfundno aff
Peter Christoffersen, Francis X. Diebold

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2002
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueComplex Systems and Time Series Analysis
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNational Science Foundation
Mots-clésVolatility (finance)EconomicsInefficiencyEconometricsSign (mathematics)Financial economicsCapital asset pricing modelMathematicsMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract: We consider three sets of phenomena that feature prominently – and separately – in the financial economics literature: conditional mean dependence (or lack thereof) in asset returns, dependence (and hence forecastability) in asset return signs with implications for market timing, and dependence (and hence forecastability) in asset return volatilities. We show that they are very much interrelated, and we explore the relationships in detail. Among other things, we show that: (1) Volatility dependence produces sign dependence, so long as expected returns are nonzero. Hence one should expect sign dependence, given the overwhelming evidence of volatility dependence. (2) The standard finding of little or no conditional mean dependence is entirely consistent with a significant degree of sign dependence and volatility dependence. In particular, sign dependence does not imply market inefficiency. (3) Sign dependence is not likely to be found via analysis of sign autocorrelations, because the nature of sign dependence is highly nonlinear. (4) Sign dependence is not likely to be found in very high-frequency (e.g., daily) or very low-frequency (e.g., annual) returns. Instead, it is more likely to be found at intermediate return horizons.

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)0,001
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,013
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 savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,047
Tête enseignante GPT0,273
Écart entre enseignants0,226 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetComplex Systems and Time Series AnalysisTravaux en français237 207