Using the Capital Asset Pricing Model and the Fama–French Three-Factor and Five-Factor Models to Manage Stock and Bond Portfolios: Evidence from Timor-Leste
Notice bibliographique
Résumé
Timor-Leste is a new country still in the process of economic development and does not yet have a capital market for stock and bond investments. These two asset classes have been invested in international capital markets such as the US, the UK, Japan, and Europe. We examine the performance of the capital asset pricing model (CAPM) and the Fama–French three-factor and five-factor models on the excess returns of Timor-Leste’s equity and bond investments in the international market over the period 2006 to 2019. Our empirical results show that the market factor (MKT) is positively and significantly associated with the excess returns of the CAPM and the Fama–French three-factor and five-factor models. Moreover, the two variables Small Minus Big (SMB) as a size factor and High Minus Low (HML) as a value factor have a negative and significant effect on the excess returns in the Fama–French three-factor model and five-factor model. Further analysis revealed that the explanatory power of the Fama–French five-factor model is that the Robust Minus Weak (RMW) factor as a profitability factor is positively and significantly associated with excess returns, while the Conservative Minus Aggressive (CMA) factor as an investment factor is insignificant.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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) | 0,002 | 0,001 |
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 ».