کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
5084639 | 1477910 | 2016 | 7 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Global versus local beta models: A partitioned distribution approach
ترجمه فارسی عنوان
جهانی در مقابل مدلهای بتا محلی: یک روش توزیع پراکنده
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
این مطالعه به بررسی این فرضیه می پردازد که ریسک سهام، که توسط بتا جهانی بازار دستگیر شده است، در حوزه بازده بازار ثابت است. برای استراحت از این فرض ما پیشنهاد می کنیم مدل بازده سهام را از طریق توزیع نرمال تنزل نشده با استفاده از رویکرد مینیمم فاصله ای مناسب سازیم. این فراهم می کند مجموعه ای از مناطق مشروط غیر مجاز که در آن عادی هنوز هم نگهداری می شود، اما اجازه می دهد که بتا بدون قید و شرط را به مناطق محلی اشاره شده به هر منطقه است. در مطالعه موردی ما نشان می دهیم که این رویکرد، در حالی که حفظ سادگی توصیف داده ها با توزیع نرمال، به طور قابل توجهی دقت مناسب را بهبود می بخشد، جبران ناکافی بودن توزیع نرمال استاندارد برای بازده مناسب در دم. نتایج پیش بینی شده از بازده نمونه ای نشان می دهد که کیفیت پیش بینی شده با استفاده از روش ما در سطح جهانی دارای خواص آماری مشابهی برای بتا استاندارد جهانی است، اما به ویژه در زمانی که دامنه بازده منفی در نظر گرفته می شود، آن را بهتر عمل می کند.
موضوعات مرتبط
علوم انسانی و اجتماعی
اقتصاد، اقتصادسنجی و امور مالی
اقتصاد و اقتصادسنجی
چکیده انگلیسی
This study investigates the assumption that stock riskiness, captured by the market global beta, is constant over the market returns domain. To relax this assumption we propose to model stock returns through disjoint truncated normal distributions fit by means of the Minimum Distance Approach. This provides a set of disjoint conditional regions where normality still holds but it allows to decompose the unconditional beta into local ones referred to each region. In the case study we show that this approach, while preserving the simplicity of describing data by normal distributions, significantly improves the accuracy of the fit, compensating the well-known inadequacy of the standard normal distribution to fit returns in the tails. An extensive out of sample returns predictive test shows that the quality of prediction obtained with our methodology globally has similar statistical properties as for the standard global beta, but it outperforms the latter especially when the negative returns' domain is considered.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Review of Financial Analysis - Volume 43, January 2016, Pages 41-47
Journal: International Review of Financial Analysis - Volume 43, January 2016, Pages 41-47
نویسندگان
Riccardo Bramante, Diego Zappa,