Особенности использования цикла президентских выборов для прогнозирования преобладающей тенденции на фондовом рынке США
Bibliographic record
Abstract
Цель работы – установить особенности проявления социально-экономической циклической закономерности «Цикл президентских выборов» на фондовом рынке США в современных условиях и разработпть рекомендации по практическому применению этой закономерности при осуществлении инвестиционной деятельности.
 Дизайн/Метод/План исследования. Статистическая обработка данных о значениях промышленного индекса Доу-Джонса за период с 1887 по 2020 гг.
 Результаты исследования. Исследование показало, что закономерности по величине среднего прироста индекса Доу-Джонса в разные года цикла Президентских виборов в условиях современной экономики отличаются от закономерностей, существовавших до 1993 года. В настоящее время практический интерес может представлять только год, предшествующий выборам президента США, когда средний прирост индекса в 2-4 раза превышает прирост в другие годы цикла. Известный ранее тезис о том, что при правящей Демократической партии фондовый рынок США растет быстрее, подтверждается и в условиях современной экономики. Тем не менее, с каждым годом разница между приростами рынка при различных партиях сглаживается. В рамках «Цикла президентских выборов» существует стойкая закономерность, заключающаяся в том, что индекс Доу-Джонса вырастает от своего минимального значения в «промежуточный» год до максимального значения следующего, предвыборного года. При этом, в последние десятилетия величина процента прироста имеет тенденцию к уменьшению, и если раньше, с 1914 по 2011 гг. его среднее значение составляло 47-48,6 %, то в период с 1993 по 2020 гг. процент прироста уменьшился до 36,7 %.
 Практическое значение исследования. Практическое применение результатов исследования даст возможность повысить точность прогнозирования преобладающих тенденций на международных фондовых рынках и, соответственно, повысить эффективность инвестирования.
 Оригинальность/Ценность/Научная новизна исследования. настоящее исследование расширяет знания об особенностях проявления и использования циклической закономерности «Цикл президентских выборов», предлагает обновленную модель его использования при прогнозировании преобладающей тенденции на фондовом рынке США. Результаты исследования могут быть интересны специалистам, работающим в сфере инвестирования на международных финансовых рынках.
 Ограничение исследования/Перспективы дальнейших исследований. Результаты исследований, приведенные в настоящей статье, создают основу для проведения аналогичных исследований для европейских и азиатских финансовых рынков, а также выявления и исследования других циклических закономерностей на международных финансовых рынках с целью разработки прикладных механизмов инвестирования, способствующих повышению эффективности инвестирования.
 Тип статьи – эмпирический.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.011 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".