Optimal Returns in Indian Stock Market during Global Pandemic: A Comparative Study
Notice bibliographique
Résumé
This research is an extension of our previous work [Debnath and Srivastava (2021)]. In that paper, we designed a portfolio based on data taken from National Stock Exchange (NSE), India, during 1 January 2020 to 31 December 2020 and performance of that portfolio in real-life situation was examined during 1 January 2021 to 21 May 2021 assuming investments were made according to the proposed model. We observed that our proposed portfolio was efficient enough in that period to beat the performance of most of the in-demand mutual funds. It was also conjectured that this portfolio would be sustainable post the second wave of COVID-19 in India. In the present paper, our aim is to validate this conjecture. Here, we examine the performance of this portfolio during the period 1 January 2021 to 18 October 2021 using the same previous data set. We also investigate the performance of this portfolio if it was blindly adopted without applying the stock selection methodology during 1 January 2019 to 31 December 2019. Using paired t-test between the difference of means of the performances in the year 2019 and the year 2021, we show that the performance in 2021 was significantly enhanced because of selecting the stocks applying our proposed model.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».