Ichimoku Cloud Forecasting Returns in the U.S.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose: We show that the Ichimoku Cloud can forecast stock returns in the U.S., Canada, Germany, and U.K. Design/methodology/approach: We use a regression of next months index return regressed on the Ichimoku Cloud entry signal for price crossing above 9 periods, 26 period, 52 periods and a crossover between 9 and 26 periods. The regression slope coefficient is recorded as the risk premium return. We also record the t-statistic and R2 of the model. We note that T-statistics of 1.65 are statistically significant. R2 is economically significant with a value above .5 percent. Findings: This is showing real-time application how the current Ichimoku Cloud signal can predict tomorrow’s stock return. The strongest results occur for lagged values one period in the U.S. which shows initial justification to using the Ichimoku Cloud. We additionally show the Ichimoku Cloud entry signals are strong in regards to T-statistics and R2 when benchmarked on each of the equity markets in the U.S., Canada, Germany, and U.K. Research limitation/implications: The model only considers technical indicators for forecasting risk premium and could benefit from additional indicators or macro fundamentals. Originality/value: This is the first paper to use Ichimoku Cloud in the risk premium forecast framework.
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.
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 | 0,021 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle