Home Biasness & International Diversification : Are The Benefits of International Diversification Starting to Deteriorate?
Notice bibliographique
Résumé
Is home biasness common among modern investors? To which extent do Swedish investors diversify their investments on an international level? Does home biasness negatively affect the investors performance? To answer these questions, correlation tests of various international indices ranging over four different time periods are conducted, in order to see if correlation between markets are stronger today than before, as stronger correlation would render diversification less useful. To enhance the study, the holdings of the top ten Swedish funds, measured in fund capital according to Morningstar, is reviewed, based on data collected per 2014-12-31 from the Swedish Financial Supervisory Agency (FI). This gives an overview of how the funds diversify their investments internationally, these funds will in turn represent the average Swedish investor in the thesis. By constructing a bullet curve from a set of international indices, the author will analyse to which grade international diversification is useful. The results are that international diversification isn’t as beneficial as theory suggests it is. The reason for it may be due to stronger correlation between international markets in the past 15 years. Most of the Swedish funds tends to be rather home biased in their investments, as about a quarter of the holdings usually are placed in Swedish assets, and in accordance with the results of the indices development, the more home biased they are to Sweden, the better they tend to perform.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».