MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312090526 · doi:10.1371/journal.pone.0278236

RETRACTED: Entropy-based financial asset pricing: Evidence from Pakistan

2022· article· en· W4312090526 sur OpenAlexaff
Sheng Wang, Sher Ali Khan, Mubbasher Munir, Reda Alhajj, Yousaf Ali Khan

Dossier post-publication

OpenAlex signale ce travail comme rétracté, mais aucune notice correspondante de Retraction Watch ne figure dans cette base.

Notice bibliographique

RevuePLoS ONE · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Office for Philosophy and Social Sciences
Mots-clésCapital asset pricing modelEconomicsFinancial economicsEconometrics

Résumé

récupéré en direct d'OpenAlex

Entropy is an alternative measure to calculate the risk, simplify the portfolios and equity risk premium. It has higher explanatory power than capital asset price model (CAPM) beta. The comparison of Entropy and CAPM beta provide in depth analysis about the explanatory power of the model that in turn help investor to make right investment decisions that minimizes risk. In this context, this study aims to compare Shannon and Rennyi Entropies with the CAPM beta for measuring the risk. Ordinary Least square approach has been utilized using a dataset of 67 enterprises registered in Pakistan Stock exchange. The comparative analysis of CAPM beta and entropy has been carried out with the R2 parameters. The result indicates that entropy has more explanatory power as compare to CAPM beta's explanatory power, and this turns out to be the best option to evaluate the risk performances. The result implies that an investor should make the best investment decision by choosing an enterprise that provide with good returns at minimum risk based on entropy technique.

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)0,002
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0200,004

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 Opus0,082
Tête enseignante GPT0,227
Écart entre enseignants0,145 · 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.

Devis d'étudeSans objet
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetFinancial Markets and Investment Strategies→Travaux en français237 207→