MétaCan
Menu
Retour à la cohorte
Enregistrement W3152934956 · doi:10.3390/jrfm14040171

Modelling Stock Returns and Risk Management in the Shipping Industry

2021· article· en· W3152934956 sur OpenAlexvenueno aff
Sunil Mohanty, Roar Aadland, Sjur Westgaard, Stein Frydenberg, Hilde Lillienskiold, Cecilie Kristensen

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensnon disponible
Organismes subventionnairesNorges Teknisk-Naturvitenskapelige UniversitetCity University of New York
Mots-clésEconometricsEconomicsVolatility (finance)Quantile regressionQuantilePortfolioStock (firearms)Financial economicsRate of return on a portfolioExchange rateStock exchangeModern portfolio theoryMonetary economicsFinance

Résumé

récupéré en direct d'OpenAlex

We estimate the impact of macroeconomic risk factors on shipping stock returns, using a quantile regression (QR) model. We regress the excess return of a portfolio for the container, dry bulk, chemical/gas, oil tanker, and diversified shipping sectors on the world market portfolio excess return, volatility index, and changes in the oil price, exchange rate, and interest rate. The sensitivities of stock returns to the risk factors differ across quantiles and shipping segments and are found to be significant for the volatility index, world market portfolio return, exchange rate, and changes in long-term interest rate with variation over quantiles. This provides evidence of asymmetric and heterogeneous dependence between stock returns and certain macroeconomic risk variables. The results of the study also suggest that standard OLS regression is inadequate to uncover the risk-return relation.

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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,219
Écart entre enseignants0,200 · 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'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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetRisk Management in Financial FirmsTravaux en français237 207