Εμπειρική ανάλυση των αποδόσεων ομολόγων και μετοχών: συμπεράσματα από τις ευρωπαϊκές αγορές
Bibliographic record
Abstract
Η παρούσα εμπειρική ανάλυση επιχειρεί να προσδιορίσει τη σχέση ανάμεσα στους χρηματιστηριακούς δείκτες CAC 40, DAX 30 και FTSE 100 των χωρών της Γαλλίας, της Γερμανίας και του Ηνωμένου Βασιλείου, αντίστοιχα, και στα δεκαετή και διετή κρατικά ομόλογα των χωρών αυτών. Η αξιολόγηση των εν λόγω σχέσεων θα μπορούσε να χαρακτηριστεί ως μία περίπλοκη, αλλά άκρως ενδιαφέρουσα, διαδικασία στον τομέα της χρηματοοικονομικής επιστήμης που προσπαθεί, χρησιμοποιώντας διάφορες έννοιες και μεθόδους της στατιστικής επιστήμης και της οικονομετρίας, να διερευνήσει τη μεταξύ τους εξάρτηση, καθώς και την αιτιότητα των εν λόγω σχέσεων. Στο πλαίσιο της εμπειρικής ανάλυσης χρησιμοποιήθηκαν χρονολογικές σειρές των ανωτέρω δεικτών, καθώς και των δεκαετή (GT FRF 10y, GT DEM 10y και GT GBP 10y) και διετή (GT FRF 10y, GT DEM 10y και GT GBP 10y) κρατικών ομολόγων των χωρών αυτών, για το χρονικό διάστημα από 4.1.2000 μέχρι και 30.12.2011 (δηλαδή ημερήσιες παρατηρήσεις επί δώδεκα συναπτά έτη). Για την επίτευξη των στόχων της εμπειρικής ανάλυσης, οι βασικότεροι έλεγχοι που χρησιμοποιούνται είναι οι έλεγχοι της μοναδιαίας ρίζας (unit root test) με τη βοήθεια του ελέγχου Dickey-Fuller, ο έλεγχος της ετεροσκεδαστικότητας σύμφωνα με το κριτήριο White, ο έλεγχος μέσω του υποδείγματος αυτοπαλίνδρομου μοντέλου (vector autoregressive model), καθώς και ο έλεγχος αιτιότητας κατά Granger (Granger causality test).
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.045 | 0.014 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".