Size, value and momentum in \ninternational stock returns
Notice bibliographique
Résumé
This thesis extends the empirical asset pricing literature by testing whether alternative \nspecifications of Fama and French’s (1993) three-factor and Carhart’s (1997) four-factor \nmodels capture size, value and momentum anomalies. Specifically, the alternative models \ntested include the modified and index-based models of Cremers et al. (2013) and decomposed \nmodels of Fama and French (2012). This thesis investigates international stock returns and \nwhether asset pricing models are integrated across four countries, namely the US, UK, Japan, \nand Canada. Finally, the information content of the empirically motivated size, value and \nmomentum factors is tested using Petkova’s (2006) ICAPM model. The models are tested using \nboth time-series and cross-sectional regression approaches. \nThe results show that the factors constructed using different approaches have quite \ndifferent average returns. In general, there is no size premium in average stock returns in any \ncountry. There is a value premium only for Japan and Canada that increases with size, while \nthere is a momentum premium everywhere except Japan, which declines with size. Both timeseries \nand cross-sectional results show that the alternative models significantly improve the \npricing performance, and especially the index-based model successfully explains the size and \nB/M portfolio returns for the four countries. None of the models can explain the size and \nmomentum portfolio returns except for Japan. Although the international index-based model \nreceives some empirical support in a combined international sample, the US and Japan, \ngenerally, the international models fail badly, which indicates a lack of integration. When \nrelating size, value and momentum factors with innovations to the state variables in an ICAPM \nspecification, the results are discouraging and contradict Petkova’s (2006) results for the US. \nThe size, value and momentum factors remain important factors in explaining the crosssectional \nreturns for all countries, even in the presence of the state variable innovations
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».