MétaCan
Menu
Retour à la cohorte
Enregistrement W4281944475 · doi:10.1093/jjfinec/nbac016

Time Variation in Cash Flows and Discount Rates

2022· article· en· W4281944475 sur OpenAlexaff
Tolga Cenesizoglu, Denada Ibrushi

Notice bibliographique

RevueJournal of Financial Econometrics · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésConditional varianceEconomicsEconometricsPortfolioVariance (accounting)Cash flowMarket portfolioVariance decomposition of forecast errorsBenchmark (surveying)Conditional expectationAsset (computer security)Financial economicsCapital asset pricing modelAutoregressive conditional heteroskedasticityFinanceComputer scienceVolatility (finance)

Résumé

récupéré en direct d'OpenAlex

Abstract We analyze the decomposition of the conditional, rather than the unconditional, variance of market returns based on an extension of the standard Campbell–Shiller approach. The relative importance of cash flow and discount rate news in determining the conditional variance of market returns exhibits significant variation over time and relates to economic conditions. The components of the conditional market variance outperform several benchmark variables, including the conditional market variance itself, in forecasting future market returns and realized variance across different horizons. The forecasts based on the conditional market variance components also provide sizable economic benefits compared with benchmark forecasts in an out-of-sample portfolio exercise where a myopic investor allocates her wealth between the market portfolio and a risk-free asset across different holding 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)0,003
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
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 Opus0,023
Tête enseignante GPT0,204
Écart entre enseignants0,181 · 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'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Financial EconometricsMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207