MétaCan
Menu
Retour à la cohorte
Enregistrement W4304815947 · doi:10.54691/bcpbm.v26i.2050

To what extent would an investment portfolio be affected by different variables in terms of Markowitz and Index model?

2022· article· en· W4304815947 sur OpenAlexaff
Haoxuan Chen, Chengming Wu, Haoxing Guo, Qiwei Zheng

Notice bibliographique

RevueBCP Business & Management · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPortfolioPortfolio optimizationEfficient frontierDiversification (marketing strategy)Post-modern portfolio theoryEconomicsIndex (typography)EconometricsModern portfolio theoryRate of return on a portfolioBlack–Litterman modelStock market indexPortfolio insuranceStock marketStock exchangeFinancial economicsReplicating portfolioComputer scienceBusinessFinance

Résumé

récupéré en direct d'OpenAlex

Portfolio Theory has been widely used in the securities market. Investors expect to maximize the return of the portfolio based on a given level of risk. By using naive diversification, investors can partly reduce the portfolio's risk by reducing the firm-specific influences. However, due to the macro-economic factors (inflation, interest rates, exchange rates, etc.), the risk cannot be eliminated entirely. Based on two popular models, the Index and Markowitz models, we chose seven stocks as one portfolio and set five constraints to simulate a real stock market. Even though results are very similar between Markowitz and Index model, the Markowitz model is more suitable than the index model in terms of circumstances we faced. And with any additional constraints added to the "free market," our portfolio return can only be negatively or non-affected. The purpose of this paper is to determine how the portfolio performance would be affected by different factors and how these two models would be used based on our comparative analysis of our portfolio in the index model and Markowitz 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,875
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,208
Écart entre enseignants0,186 · 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 tête enseignante, pas un consensus.

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBCP Business & ManagementMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207