Moments and momentum in the returns of securitized real estate: A cross-country study of risk factors driving real estate investment trusts before and during COVID-19
Notice bibliographique
Résumé
A real estate investment trust (REIT) is a company running a funding pool that allows people to invest in real estate without physical purchase. Since REITs are stock market-traded real estate assets, there is debate as to whether their returns are driven by stock market risk factors. In this regard, this paper examines the impact of the well-established equity market risk factors of momentum, skewness, and kurtosis on the returns of different types of REITs, including mortgage REITs (MREIT), equity REITs (EREIT), and hybrid REITs (HREIT), across five countries-Australia, the UK, the US, Japan, and Canada-during the period 2000-2022, controlling for other well-established factors in the asset pricing literature. The study first adds the skewness and kurtosis to analyze cross-national REIT returns via the Fama-French five-factor model. Next, the cross-national REIT dataset is built for the different periods and then tested for the robustness of the effect of the factors during the COVID-19 period. Findings indicate that the influence of momentum on the return of the REITs is consistently positive across countries and different types of REITs. However, the significance of momentum for different REITs in different countries varies. These results were robust during the COVID-19 period, providing further confirmation that REITs behave less like stocks rather than real estate investments, with significant implications for investors.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».