Hvordan kan markedssituasjonen påvirke meravkastningen for aktive aksjefond? : en prestasjonsanalyse av 24 norske aksjefond 2006 - 2017
Notice bibliographique
Résumé
Oppgaven har til hensikt å se på hvordan risikojustert avkastning i aktivt forvaltede norske aksjefond påvirkes av ulike markedssituasjoner. Analysen tar for seg norske aksjefond i personkundesegmentet, og fondene som er inkludert oppfyller kravene om minimum 12 år sammenhengende historikk, og et maksimalt minsteinnskudd på 25 000 NOK. Dette innebærer at analysen omfatter 24 aksjefond. Markedssituasjonene for 12- års perioden er delt inn i tre like 4-års perioder: (1) jan. 2006 – des. 2009, (2) i tidsrommet jan. 2010 – des. 2013, og (3) fra jan. 2014 til des. 2017. \nPeriodene skiller seg tydelig fra hverandre hva gjelder markedets avkastning og risiko, der det fra første til tredje periode har vært synkende risiko og økende avkastninger. Den første perioden er sterkt preget av finanskrisen i 2008 – 2009, og dette er med på å prege resultatene. For risikojustert avkastning, reflektert i Jensens’s alfa, gir analysene ingen klar indikasjon på at noen av aksjefondene vedvarende gjør det bedre enn sin referanseindeks. Det er likevel en tydelig tendens at aksjefondene har levert en høyere risikojustert avkastning i periode 1 enn periode 2, og at periode 3 overgår dem begge.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».