MétaCan
Menu
Retour à la cohorte
Enregistrement W4321087820 · doi:10.1287/mnsc.2023.4693

Cashflow Timing vs. Discount-Rate Timing: An Examination of Mutual Fund Market-Timing Skills

2023· article· en· W4321087820 sur OpenAlexaff
Chunhua Lan, Russ Wermers

Notice bibliographique

RevueManagement Science · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésMarket timingMutual fundCash flowEquity (law)EconomicsMonetary economicsInvestment (military)Value (mathematics)BusinessFinanceInitial public offeringComputer science

Résumé

récupéré en direct d'OpenAlex

We measure the ability of professional investment managers in timing cashflow versus discount-rate news, the two components of market returns. We find that the average U.S. equity mutual fund exhibits cashflow-timing skills of 1.77%/year, but discount-rate timing of −0.87%/year; furthermore, cashflow-timing skills, but not discount-rate timing skills, strongly persist over future quarters. Our evidence indicates that misspecification of market-timing abilities accounts for the failure of prior research to locate talented timing funds. Importantly, we find that value funds outperform growth funds in timing cashflow news, which provides new evidence on the unique skills of value-oriented mutual funds. This paper was accepted by David Simchi-Levi, finance. Supplemental Material: The data files and online appendix are available at https://doi.org/10.1287/mnsc.2023.4693 .

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,819

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
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 Opus0,062
Tête enseignante GPT0,263
Écart entre enseignants0,201 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207