MétaCan
Menu
Retour à la cohorte
Enregistrement W3152988417

Changes of the Time Intervals Specific to Calendar Anomalies: the Case of TOQ Effect on Bucharest Stock Exchange

2020· article· en· W3152988417 sur OpenAlexaboutno aff
Răzvan Ştefanescu, Dumitriu Ramona

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueComplex Systems and Time Series Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnomaly (physics)Stock (firearms)Stock exchangeQuarter (Canadian coin)GeographyEconomicsPhysicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Turn-of-the-quarter (TOQ) Effect is a calendar anomaly consisting in abnormal returns occurring in a specific time interval, that starts in the mth last trading day of a quarter (BQ-m) and ends in the nth last trading day of a quarter (BQ+n). As many other anomalies, the TOQ Effect is not necessary persistent in time, so the interval [BQ-m; BQ+n] could experience some changes. This paper explores such changes for the time intervals specific to the Turn-of-the-quarter (TOQ) Effect using the daily values of three main indexes from Bucharest Stock Exchange: BET, BET-FI and BET-XT. We investigate the presence of this calendar anomaly in two periods: January 2007 – December 2013 and January 2014 – July 2020. For the first one we found abnormal returns within the time intervals [BQ-3; BQ+1], in the case of BET, [BQ-6; BQ+3], in the case of BET-FI and for a single trading day (BQ-2), in the case of BET-XT. For the second period, the results indicate abnormal returns within the time intervals [BQ-5; BQ+5], in the case of BET and BET-XT, and [BQ-5; BQ+6], in the case of BET-FI. These changes could be linked to the behaviors of investors who want to exploit or to avoid the abnormal returns, but also to the different circumstances associated to the two periods.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
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)0,0020,000

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 Opus0,054
Tête enseignante GPT0,275
Écart entre enseignants0,221 · 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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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