South African Real Estate Investment Trusts Prefer Tuesdays
Notice bibliographique
Résumé
This study examines the day-of-the-week effect on the returns of different classifications of South African REITs. Ordinary least squares regression (OLS), generalized autoregressive conditional heteroskedasticity (GARCH) (1,1) (2,1), and Kruskal–Wallis (KW) tests were performed on data obtained from the IRESS Expert database from 2013 to 2021. We found statistical differences in the day-of-the-week effects for SAREITs; the best day to invest in office REITs is Friday, for diversified REITs Thursday, and for industrial REITs Friday. Generally, Wednesday was found to be the least profitable day to invest in all REIT classifications because it had the least average daily return. Tuesdays were the most profitable days for all REIT classifications, with the highest average daily return. REITs traded the most on Fridays, while REITs traded the least on Mondays. Returns were the most volatile on Monday, while volume was the least volatile on Thursday. The KW test revealed a statistically significant difference between the median returns across days of the week. Based on the above, profitability is expressed on Tuesdays in South African REITs. By recognizing the day-of-the-week effect, investors can buy and sell South African REITs more effectively. This study, apart from being the first in the context of South African REITs, provides updated evidence of the contested calendar anomaly issues.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».