Are News Effects Necessarily Asymmetric? Evidence from Bangladesh Stock Market
Notice bibliographique
Résumé
The primary objective of this paper is to empirically examine the nature and statistical significance of the news effect on conditional volatility of unpredictable components of stock returns. Daily stock return data of 12 local and multinational companies on Dhaka Stock Exchange Ltd., Bangladesh, for the period 1990 to 2011 were used in this study. The likelihood of asymmetric effects of news on conditional volatility was tested using a set of diagnostics under the Generalized Autoregressive Conditional Heteroscedasticity (GARCH) framework. The results fail to reject the null hypothesis of symmetric effects, thereby suggesting that the conditional volatility of unpredictable components of stock returns is affected equally by positive and negative news. The robustness of the results was further checked by using three widely used asymmetric models, namely exponential GARCH (EGARCH), Glosten, Jagannathan & Runkle (GJR)-GARCH, and a partially non-parametric Autoregressive Conditional Heteroscedastic (PNP-ARCH) models. Yet again, the results do not provide any evidence of significant asymmetric effects in the volatility process. In addition, the descriptive results confirm the stylized facts of unpredictable return series such as non-normal distribution, time variant conditional volatility, and persistence in return volatility. Collectively these findings, perhaps, indicate the adequacy of the GARCH (1,1) model in representing the data generating process. A number of regulatory and behavioral factors that are anticipated to be accountable for the absence of asymmetric news effects are underlined. Finally, some policy implications of the results and possible extensions of the present paper are also conveyed. JEL codes: G10, G12, G14
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».