MétaCan
Menu
Retour à la cohorte
Enregistrement W3124978395 · doi:10.5430/ijfr.v8n3p142

Momentum: An Economic View

2017· article· en· W3124978395 sur OpenAlexvenueno aff
Wilhelm Berghorn, Sascha Otto

Notice bibliographique

RevueInternational Journal of Financial Research · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueComplex Systems and Time Series Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeverage (statistics)Momentum (technical analysis)FractalEconomicsAsset (computer security)Efficient-market hypothesisRational expectationsMandelbrot setStock (firearms)Financial economicsStock marketCapital asset pricing modelFinancial marketEconometricsMathematical economicsComputer scienceMathematicsFinanceEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Momentum strategies have widely been recognized in the literature for several markets, asset classes and time horizons. However, these strategies face a major objection as they significantly violate even the weak form of the efficient market hypothesis. Recently, it has been shown that, from a mathematical perspective, the inner dynamics of asset prices are better described by the Mandelbrot Market Model. This model uses fractal trends observed in real stock data, and the mathematical characteristics measured and used in the model show that trends in this fractal setup explain momentum. A central question attached to this mathematical analysis is why these long trends exist, economically. Although it has been documented well in the literature that investors are not rational and are prone to several biases, we show in this work by example that momentum strategies leverage fundamental, company-specific improvements of the business condition, capturing the value generation process. Consequently, this work supports the mathematical claims made previously: There are no efficient markets as investors constantly fail to anticipate available information.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,758
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,170
Tête enseignante GPT0,406
Écart entre enseignants0,236 · 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.

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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetComplex Systems and Time Series AnalysisTravaux en français237 207