Relativvärderingsbaserade investeringar. Hur väl fungerar de i olika branscher? : En studie över samtliga företag noterade i Norden mellan åren 2005–2014
Notice bibliographique
Résumé
Bakgrund: Denna studie har genomförts för att bringa klarhet i hur väl relativvärdering fungerar som investeringsstrategi mellan åren 2005 och 2014 på de nordiska marknaderna. Huruvida det finns någon skillnad mellan hur väl strategin fungerar om marknaderna sorteras efter branschtillhörighet samt om tidigare välanvända nyckeltal kan generera olika hög avkastning i olika branscher är ett outforskat område. Tidigare studier på området har antingen undersökt hela marknader eller enskilda branscher där resultaten delvis har tolkats med hjälp av aktiemarknadspsykologi.Syfte: Syftet med studien är att analysera huruvida det finns skillnader i hur väl relativvärdering fungerar som investeringsmetod inom olika branscher för att generera överavkastning; samt huruvida det statistiskt går att säkerställa om det finns en koppling mellan bransch och nyckeltal.Genomförande: Studien använder en kvantitativ metod där aktierna sorteras i kvartilportföljer baserade på dess branschtillhörighet och sin värdering relativt branschkonkurrenter. Portföljerna omplaceras på årlig basis och avkastning räknas ut på månadsbasis samt kumulativt. Portföljerna utvärderas sedan med hjälp av välanvända riskmått samt en diversifieringsprocess och aktiemarknadspsykologi.Resultat: Relativvärdering kan användas för att generera överavkastning i samtliga branscher utom i energibranschen. En skillnad i avkastning, beroende på i vilken bransch, kvartil och nyckeltal som används för investeringen kan konstateras. Diversifiering sänker effektivt risken samtidigt som avkastningen inte sjunker i samma takt. Aktiemarknadspsykologi kan endast till viss del kopplas till skillnaderna i avkastning mellan portföljerna.
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 | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,008 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».