Target Date Funds, Drawdown Risk, and Central Bank Intervention: Evidence during the COVID-19 Pandemic
Notice bibliographique
Résumé
Target Date Funds (TDFs) have become the default investment choice in retirement accounts for most households. Later-dated TDFs (e.g., further away from the present day) allocate a more significant percentage of each dollar invested into equities relative to fixed income. As the TDF moves closer to the designated retirement date, the TDF embarks on its’ glide path. We study the impact of the COVID-19 Pandemic and Federal Reserve intervention on the max drawdowns experienced by TDFs during 2020. Later-dated funds experienced more significant drawdowns relative to near-dated funds. Moving out one target date fund increased the drawdown by approximately 1.90%. Approximately 80% of TDFs experienced their max drawdown on 23 March 2020. The max drawdowns of the TDFs are then studied in the following three sub-periods: (1) before the first Federal Reserve Intervention (2 March 2020), (2) after the first intervention and before the second intervention (16 March 2020), and (3) the period after the second intervention. TDFs experienced the greatest drawdowns after the first intervention by the Federal Reserve (approximately 19%) relative to the other two periods (approximately 7%). Fees associated with the TDFs tend not to influence the drawdowns except for the near-dated funds, where the low-fee funds performed better. Finally, near-dated funds recovered from their max drawdowns around September 2020, whereas later-dated funds did not fully recover until December 2020.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».