مقاله انگلیسی رایگان در مورد پیش بینی پذیری بازده سهام از منظر یک مدل آمیخته – الزویر ۲۰۲۰

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله پیش بینی پذیری بازده سهام از منظر یک مدل آمیخته
عنوان انگلیسی مقاله Stock return predictability from a mixed model perspective
انتشار مقاله سال ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۵۱ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۱٫۷۳۳ در سال ۲۰۱۹
شاخص H_index ۴۷ در سال ۲۰۲۰
شاخص SJR ۰٫۷۸۷ در سال ۲۰۱۹
شناسه ISSN ۰۹۲۷-۵۳۸X
شاخص Quartile (چارک) Q1 در سال ۲۰۱۹
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط اقتصاد، حسابداری
گرایش های مرتبط اقتصاد مالی، برنامه ریزی سیستم های اقتصادی، توسعه اقتصادی و برنامه ریزی، حسابداری مالی
نوع ارائه مقاله
ژورنال
مجله  مجله مالی حوضه اقیانوس آرام – Pacific-basin Finance Journal
دانشگاه Department of Statistics, Changsha University of Science and Technology, Hunan, 410114, China
کلمات کلیدی 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
شناسه دیجیتال – doi
https://doi.org/10.1016/j.pacfin.2020.101267
کد محصول E14295
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱- Introduction

۲- Data and summary statistics

۳- Econometric methodology

۴- Out-of-sample forecasting results

۵- Extension analysis

۶- Robustness analysis

۷- Conclusion

References

بخشی از متن 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.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.