Ranking Investment Opportunities Across Risk-Aversion Levels: Application to Islamic and Conventional Indices
Notice bibliographique
Résumé
We introduce the Reward–VaR curve, a novel framework for evaluating risk-adjusted investment performance across a range of investor risk preferences. When returns are normally distributed, the Reward–VaR curve yields the same asset ranking as the Sharpe ratio. However, when the third-order modified VaR is used, a new paradigm emerges beyond the simplistic “better/worse” ranking: if no asset dominates at all confidence levels, one becomes preferable for risk-averse investors, while the other is favored by the risk-tolerant. For empirical implementation, we incorporate bootstrapping to separate robust performance patterns from sampling noise. We apply the methodology to compare conventional equity indices and their Islamic counterparts from the S&P Dow Jones Global Index family across nine markets from 2000 to 2024: Asia-Pacific, Canada, Developed, Emerging, Europe, Japan, UK, US, and World. Our empirical results reveal market-condition dependent dominance patterns. During bull markets, conventional indices dominate in most regions, except the European and World markets, where no dominance is observed, and Japan, where the Islamic index outperforms. In bear markets, Islamic indices dominate in most regions, with the exception of Emerging Markets, where dominance is partial, and Japan, where no clear difference is observed. Over the full sample, most markets show no significant long-run dominance, except Canada and Emerging Markets, where conventional indices outperform.
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 | 0,005 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| 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 | 0,000 |
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 ».