برداشت سهاماسناد اخیراً منتشر شده است

یک الگوریتم یادگیری ماشین برای انتخاب سهام که بر اساس اطلاعات ساخته شده است

2021 صص 115497 نویسنده (ها): Emilio Barucci ◽ میشل بونولو فدریکو پولی ویرایش rroji کلید واژه ها):

سرمایه گذاری در صندوق های متقابل مسئول اجتماعی

نویسنده (ها): کریستوفر ج گسی Robert F Stambaugh ◽ دیوید لوین کلید واژه ها):

ما چکیده ای بهینه از صندوق های متقابل می سازیم که اهداف آنها شامل سرمایه گذاری با مسئولیت اجتماعی (SRI) است. مقایسه اوراق بهادار این وجوه با آنهایی که از جهان صندوق وسیع ساخته شده اند ، هزینه تحمیل محدودیت SRI را بر روی سرمایه گذاران که به دنبال بالاترین نسبت شارپ هستند ، نشان می دهد. این هزینه SRI بسیار مهم به دیدگاه سرمایه گذار در مورد مدل های قیمت گذاری دارایی و مهارت انتخاب سهام توسط مدیران صندوق بستگی دارد. به یک سرمایه گذار که به CAPM اعتقاد دارد و مهارت مدیریتی را رد می کند ، یعنی یک سرمایه گذار شاخص بازار ، هزینه محدودیت SRI معمولاً فقط چند امتیاز پایه در ماه است که در ضرر یقین معادل اندازه گیری می شود. برای یک سرمایه گذار که هنوز مهارت را از دست می دهد اما در عوض در مدلهای قیمت گذاری که بازده های بالاتر را با قرار گرفتن در معرض اندازه ، ارزش و عوامل حرکت مرتبط می کند ، اعتقاد دارد ، محدودیت SRI بسیار گرانتر است ، به طور معمول حداقل 30 امتیاز در ماه. محدودیت SRI هزینه های زیادی را به سرمایه گذاران تحمیل می کند که اعتقادات آنها به میزان قابل توجهی از مهارت مدیریت صندوق اجازه می دهد ، یعنی سرمایه گذاران که به شدت به سوابق پیگیری صندوق های فردی اعتماد می کنند تا عملکرد آینده را پیش بینی کنند.

سرمایه گذاری ESG: فیلتر در مقابل رویکردهای یادگیری ماشین

نویسنده (ها): وینسنت مارگوت کریستوف گیسلر Carmine de Franco ◽ برونو مونیر کلید واژه ها):

ما یک الگوریتم یادگیری ماشین را طراحی کردیم که الگوهای بین پروفایل های ESG و عملکرد مالی شرکت ها را در یک جهان سرمایه گذاری بزرگ مشخص می کند. این الگوریتم شامل مجموعه ای از قوانین به طور مرتب به روز شده است که مناطق را به فضای بالایی از ویژگی های ESG در پیش بینی های اضافی بازده می رساند. پیش بینی های جمع شده نهایی به نمرات تبدیل می شوند که به ما امکان می دهد استراتژی های ساده ای را طراحی کنیم که جهان سرمایه گذاری را برای سهام با نمرات مثبت نشان می دهد. با پیوند دادن ویژگی های ESG با عملکردهای مالی به روشی غیر خطی ، استراتژی ما بر اساس الگوریتم یادگیری ماشین ما به عنوان یک ابزار کارآمد انتخاب سهام است ، که از استراتژی های کلاسیک بهتر است که با توجه به رتبه بندی ESG خود ، سهام را به عنوان بهترین امتیازات خود نشان می دهد. رویکرد کلاس. مقاله ما ایده های جدیدی را در زمینه رو به رشد ادبیات مالی به وجود می آورد که پیوندهای بین رفتار ESG و اقتصاد را بررسی می کند. ما واقعاً نشان می دهیم که به وضوح نوعی آلفا در مشخصات ESG یک شرکت وجود دارد ، اما این که به این آلفای فقط با تکنیک های قدرتمند و غیرخطی مانند یادگیری ماشین قابل دسترسی است.

توانایی های مدیریتی و عملکرد سبک سرمایه گذاری عاملی مدیران صندوق متقابل مالزی

2021 جلد 6 (1) صص 118-135 نویسنده (ها): انتخاب به غیر از عبدالرحیم کلید واژه ها):

سابقه و هدف و هدف: مطالعات متمرکز بر توانایی های مدیریتی صندوق های متقابل و استراتژی های سبک سرمایه گذاری هنوز در ادبیات کمیاب است. بنابراین ، این مطالعه با هدف ارائه شواهد و بینش های جدید در مورد توانایی های مدیریتی و عملکرد سبک سرمایه گذاری مدیران صندوق مالزی انجام شده است. روش شناسی: در مجموع 444 صندوق متقابل سهام مالزی (EMFS) با استفاده از مدل Carhart گنجانیده شده با Treynor-Mazuy (T-M) و Henriksson-Merton (H-M) مدل زمان بندی بازار برای دوره مطالعه ، از ژانویه 1995 تا دسامبر 2017 مورد بررسی قرار گرفت. مدیران صندوق مهارت های انتخاب سهام برتر را با 32 درصد و 43 درصد از بودجه برای T-M و H-M به ترتیب نشان دادند ، با توانایی زمان بندی بازار که به ترتیب 39 درصد و 42 درصد بودجه برای T-M و H-M را به خود اختصاص داده است. توانایی زمان بندی آشکار ، مهارت های انتخاب سهام برتر مدیران صندوق را کاهش داده است. این نشان می دهد که اگر مدیران صندوق های مربوطه در توانایی زمان بندی بازار عملکرد بهتری داشته باشند ، عملکرد EMFS می تواند بیشتر بهبود یابد. این یافته همچنین نشان می دهد که اثر اندازه (SMB) و اثر ارزش (HML) نقش مهمی در استراتژی های سبک سرمایه گذاری دارند ، در حالی که نتایج فاکتور حرکت (WML) پیشنهاد می کند که مدیران صندوق مالزی از استراتژی متناقض پیروی کرده اند. مشارکتها: این مطالعه از چند طریق به ویژه در ادبیات مدیریت نمونه کارها کمک می کند زیرا شواهد از بزرگترین اندازه نمونه صندوق های متقابل و طولانی ترین دوره مطالعه به دست می آید. علاوه بر این ، این مطالعه همچنین از بالاترین داده های فرکانس برای مطالعه اثرات زمان بازار که در مطالعات قبلی نادیده گرفته شده است ، استفاده کرده است. کلمات کلیدی: Carhart تنظیم شده ، بازار مالزی ، زمان بندی بازار ، صندوق متقابل ، انتخاب سهام. استناد به عنوان: Ling ، P-S. ، & Abdul-Rrahim ، R. (2021). توانایی های مدیریتی و عملکرد سبک سرمایه گذاری فاکتور صندوق های متقابل مالزی. مجله مطالعات Nusantara ، 6 (1) ، 118-135. http://dx. doi. org/10. 24200/jonus. vol6iss1pp118-135

استدلال در برابر انتخاب سهام و زمان بندی بازار: یک رویکرد تجربی

نویسنده (ها): Enrique Rafael González Pozo کلید واژه ها):

این مقاله هدف از بین بردن دنیای سرمایه گذاری است ، ابتدا با نشان دادن و افشای نتایج بیشترین پول مدیران وال استریت در طی سالهای گذشته در مقایسه با عملکرد شاخص های معیار خود. سرمایه گذاری شاخص نشان دهنده یک استراتژی سرمایه گذاری منفعل برای نگه داشتن صدها سهام به جای رویکرد مدیریت فعال است که توسط این متخصصان استفاده می شود. پس از افشای نتایج مذکور ، یک چارچوب نظری ارائه می شود که توضیح می دهد که چرا مدیران پول چنین زمان دشواری را برای بهتر از شاخص های معیار خود دارند. بعداً ، یک آزمایش پشتی ارائه خواهد شد و به طور کامل توضیح داده می شود که پنج سناریو سرمایه گذاری فرضی مختلف را در طی چند دوره 20 ساله با تلاش برای تعیین کمیت فواید بالقوه زمان بندی کامل بازار و مقایسه آن با هزینه انتظار برای بهتر نشان می دهد. زمان سرمایه گذارینتایج نشان می دهد که هزینه انتظار بسیار بیشتر است که فواید بالقوه زمان بندی کامل بازار و بهترین گزینه این است که بدون در نظر گرفتن بازار یا چشم انداز اقتصادی ، سرمایه گذاری پول نقد موجود را بلافاصله سرمایه گذاری کنید.

انتخاب خودکار سهام با استفاده از جنگل های تصادفی

2021 نویسنده (ها): مسیحی بریتونگ کلید واژه ها):

سبک و مهارت: صندوق های پرچین ، صندوق های متقابل و حرکت

نویسنده (ها): مارک گرینبلات Gergana Jostova ◽ لوبومیر پتراسک ◽ اسکندر فیلیپوف کلید واژه ها):

طبقه بندی پرونده های اجباری سهام 13F توسط نوع مدیر نشان می دهد که استراتژی های صندوق های تامینی بیشتر متضاد هستند و استراتژی های صندوق های متقابل تا حد زیادی روند زیر است. تنها مجریان نهادی - دو سوم مدیران صندوق های پرچین که مخالف هستند - آلفا در سال 2. 4 ٪ در سال. مدیران صندوق های تامینی متناقض تمایل دارند با سایر انواع مدیر ، به ویژه هنگام خرید سهام از پرچین حرکت گرا و مدیران صندوق های متقابل ، تجارت کنند. عملکرد صندوق پرچین برتر ، پایداری را نشان می دهد و به جای تأمین نقدینگی از توانایی انتخاب سهام ناشی می شود. کل فروش کوتاه از این نتیجه گیری ها در مورد سبک و مهارت انواع مختلف مدیر صندوق پشتیبانی می کند. این مقاله توسط تایلر شوموی ، امور مالی پذیرفته شد.

کشف وزن بهینه در مدلهای انتخاب سهام با امتیاز دهی: یک رویکرد طراحی مخلوط

2020 جلد 6 (1) نویسنده (ها): I-Cheng yeh ◽ Yi-Cheng Liu کلید واژه ها):

ادبیات انتزاعی که یک مدل انتخاب سهام چند عاملی را ایجاد می کند ، با وجود سه کاستی خود ، یک رویکرد امتیاز دهی وزنه برداری را اتخاذ کرد. اول ، نمی تواند ارتباط بین وزن مفاهیم انتخاب سهام و اجرای نمونه کارها را به طور مؤثر مشخص کند. دوم ، نمی تواند ترکیب بهینه مفاهیم سهام را ارائه دهد. سوم ، نمی تواند ترجیحات مختلف سرمایه گذار را برآورده کند. بنابراین ، این مطالعه از یک طرح آزمایشی مخلوط برای تعیین وزن مفاهیم انتخاب سهام ، جمع آوری داده های عملکرد نمونه کارها و ساخت مدل های پیش بینی عملکرد بر اساس وزن مفاهیم انتخاب سهام استفاده می کند. علاوه بر این ، این مدل های پیش بینی عملکرد و تکنیک های بهینه سازی برای کشف ترکیب بهینه مفاهیم برداشت سهام از وزنه هایی که مطابق ترجیحات سرمایه گذار هستند ، استفاده می شوند. نمونه ها شامل سهام ذکر شده در بورس اوراق بهادار تایوان است. دوره مدل سازی و آزمایش به ترتیب 1997-2008 و 2009-2015 بود. شواهد تجربی نشان داد (1) که روش ما در پیش بینی دقیق عملکرد قوی است ، (2) که می تواند تعامل قابل توجهی بین وزن مفاهیم سهام را شناسایی کند ، و (3) آنچه که ترکیب بهینه آنها باید باشد. این ترکیب از وزنه ها می تواند اوراق بهادار سهام را با بهترین اجراهایی که می تواند ترجیحات سرمایه گذار را برآورده کند ، تشکیل دهد. بنابراین ، روش ما می تواند سه اشکال از رویکرد امتیاز دهی وزن کلاسیک را پر کند.

انتخاب سهام در بازار ایالات متحده و تأثیر سرمایه گذاری های منفعل

2020 نویسنده (ها): کارمین د فرانکو کلید واژه ها):

خدمات

• موتور جستجو
• ژورنال یاب
• جستجوی نویسنده
• تجسم کتاب سنج

حمایت کردن

لینک

• درباره ما
• با ما تماس بگیرید
• شرایط و ضوابط
• سیاست حفظ حریم خصوصی

• [ایمیل محافظت شده]

تیم ScienceGate سعی می کند با مدیریت و ارائه چندین سرویس منحصر به فرد که در یک بستر وب جمع آوری شده است ، تحقیق را آسانتر کند