Effet du risque immobilier sur les rendements boursiers canadiens
Notice bibliographique
Résumé
Ce mémoire étudie la possibilité que l'immobilier joue un rôle comme facteur de risque potentiel déterminant le rendement des actifs financiers au Canada. Ce risque étant généralement négligé dans la littérature, son rôle potentiel fut mis en lumière lors de la récente crise financière de 2007-2009. Un modèle d'évaluation d'actifs multifactoriel incorporant un facteur de risque propre à l'immobilier est construit et estimé à l'aide de la méthode des moments généralisée (GMM). Les estimations sont basées sur le rendement excédentaire de 10 portefeuilles formés à partir de 806 actions inscrites à la Bourse de Toronto en janvier 2017. La période d'étude couvre de janvier 2000 à décembre 2016. Le risque immobilier fut mesuré grâce au S&P/TSX Capped REIT Index et grâce à un indice composite prennant en compte l'ensemble des 48 REITs incris à la Bourse de Toronto en janvier 2017. Cette dernière mesure s'est avérée être la plus significative. Les résultats obtenus à la de la méthode GMM suggère fortement que le risque immobilier est l'un des facteurs explicatifs du niveau des rendements des actifs financiers canadiens.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».