MétaCan
Menu
Retour à la cohorte
Enregistrement W7135913520

Managing risks in international securities portfolios

2015· dissertation· cs· W7135913520 sur OpenAlexaboutno aff
Marek Folprecht

Notice bibliographique

RevueDigital Repository (National Repository of Grey Literature) · 2015
Typedissertation
Languecs
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForeign exchange riskCurrencyPortfolioHedgeVolatility (finance)DevaluationEquity (law)Liberian dollar
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The bachelor´s thesis examines the gains from hedging the currency exposure from the perspectives of American and Canadian investors. It is shown that exchange rate risk is a largely nondiversifiable factor which might negatively affect the performance of equity portfolios. Therefore, it is necassary to effectively control the exchange rate risk. It is found that the effect of currency risk on total portfolio risk varies among different currency pairs depending predominantly on the correlation between equity and currency returns. For this reason, it is essential to choose a different approach for each currency pair. The hedging strategy, which is refered to as optimal currency hedging, aims at minimizing the volatility of currency hedged portfolio returns. The optimal hedge ratios for individual currencies are also estimated. Over the period from 2004 to 2015, hedging the currency exposure considerably reduced the volatility of returns in the case of American investor. From the perspective of Canadian investor, hedging the currency risk reduced the volatility of returns only to a limited degree. The reason is that Canadian dollar behaves in a pro-cyclical fashion, strenghtening when the world economy surges and weakening when the economy turns down. Therefore, foreign currency exposure tend to reduce the volatility of portfolio returns from the perspective of Canadian investor.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,634
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0060,009
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,266
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Repository (National Repository of Grey Literature)Même sujetRisk Management in Financial FirmsTravaux en français237 207