پیش بینی پذیری بازده سهام از منظر یک مدل آمیخته
ترجمه نشده

پیش بینی پذیری بازده سهام از منظر یک مدل آمیخته

عنوان فارسی مقاله: پیش بینی پذیری بازده سهام از منظر یک مدل آمیخته
عنوان انگلیسی مقاله: Stock return predictability from a mixed model perspective
مجله/کنفرانس: مجله مالی حوضه اقیانوس آرام - Pacific-basin Finance Journal
رشته های تحصیلی مرتبط: اقتصاد، حسابداری
گرایش های تحصیلی مرتبط: اقتصاد مالی، برنامه ریزی سیستم های اقتصادی، توسعه اقتصادی و برنامه ریزی، حسابداری مالی
کلمات کلیدی فارسی: مدل های مختلط، پیش بینی پذیری بازده سهام، پیش بینی خارج از نمونه، تخصیص دارایی
کلمات کلیدی انگلیسی: Mixed models، Stock return predictability، Out-of-sample forecast، Asset allocation
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.pacfin.2020.101267
دانشگاه: Department of Statistics, Changsha University of Science and Technology, Hunan, 410114, China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2020
ایمپکت فاکتور: 1/733 در سال 2019
شاخص H_index: 47 در سال 2020
شاخص SJR: 0/787 در سال 2019
شناسه ISSN: 0927-538X
شاخص Quartile (چارک): Q1 در سال 2019
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 51
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E14295
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- Data and summary statistics


3- Econometric methodology


4- Out-of-sample forecasting results


5- Extension analysis


6- Robustness analysis


7- Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


We find that mixing existing forecasting models can significantly improve prediction performance of stock returns. Empirical results suggest that the stock return forecasting by three proposed mixed models are more significant both in statistical and economic terms than the corresponding models in Campbell and Thompson (2008), Wang et al. (2018) and Zhang et al. (2019). This improvement of predictability is also remarkable when we employ the multivariate information to predict stock return. The prediction performance of mixed models is robust to a series of robustness test. Particularly, the three proposed mixed models obtain superior out-of-sample forecasting performance of stock return for business cycles, rolling window predictions and different out-of-sample periods.


Introduction


Stock return prediction is of great significance to asset allocation, risk management and asset pricing. An influential research by Goyal and Welch (2008) indicates that it is difficult to find a predictor or a rational model to accurately forecast out-of-sample stock return. So far, numerous literatures have proposed predictors that could be used to predict stock returns, including interest rates (Ang and Bekaert, 2007; Fama and Schwert, 1977; Campbell, 1987), dividend ratios (Fama and French, 1988, 1989; Goyal and Welch, 2003; Lewellen, 2004), the consumption-wealth ratio (Lettau and Ludvigson, 2001), inflation (Campbell and Vuolteenaho, 2004), stock variances (Guo, 2006; Ludvigson and Ng, 2007), downside variance risk (Feunou et al. 2015; Kilic and Shaliastovich, 2018), the variance risk premium (Bollerslev et al. 2009; Bollerslev Bollerslev et al. 2014), economic policy uncertainty (Chen et al. 2017), investor sentiment (Huang et al. 2015), short interest index (Rapach et al. 2016), news-implied volatility (Manela and Moreira, 2017), technical indicators (Neely et al. 2014; Gao et al. 2018; Zhang et al. 2019), manager sentiment (Jiang et al. 2017), oil-related variables (Chiang and Hughen, 2017; Nonejad, 2018; Wang et al. 2019), and among others.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

پیش بینی پذیری بازده سهام از منظر یک مدل آمیخته
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها