Comparison of Multifactor Asset Pricing Models in the South African Stock Market [2000–2016]
Notice bibliographique
Résumé
The quest for parsimonious models has been a key objective in asset pricing. However, there appears to be no consensus on the most successful asset pricing strategy in the literature, especially for the South African Market. Using financial statements from January 2000 to December 2015, this article explores how market anomalies affect the performance of securities in the Johannesburg Stock Exchange’s (JSE’s) resources, industrial, and finance sectors. We investigated the efficacy of several asset pricing models and their capacity to account for market anomalies in the JSE’s resources, industrial, and financial sectors, as well as the applicability of the Fama and French five-factor model. The study used multiple regression techniques and applied stationarity and cointegration methods to ensure robust results. Results also suggest that when the FF5FM is implemented, there is statistical significance at the 10% level for the CMA in the resources sector as the value factor disappears. The FF5FM results in the industrial sector show a significance level of 5% in the SMB. The financial sector seems to have the majority of the style-based risk factors as the SMB is positively significant at a 5% level, the HML is significant at a 1% level, and the CMA is negatively significant at a 10% level of significance. The results suggest that the Carhart Four Factor model is the best to use in all market conditions. Results also show that value becomes redundant in a bullish market, but the opposite holds in a bearish market for a model with operating profitably and investing factors. These findings highlight the necessity for investors to determine which investment risk elements produce abnormal returns in both bearish and bullish market circumstances before investing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».