定量金融 > 经济学
[提交于 2014年5月13日
]
标题: 分析师能否比预测崩盘更好地预测上涨?
标题: Can Analysts Predict Rallies Better Than Crashes?
摘要: 我们使用copula方法研究卖方分析师共识建议与后续证券收益之间的依赖结构,重点研究非对称尾部依赖。 我们将2011年1月至12月的I/B/E/S建议月份数据与建议发布后六个月的超额证券收益进行匹配。 使用对称乔-克莱顿Copula(SJC)模型,我们发现证据表明分析师可以识别出将显著跑赢市场但无法识别出相对市场表现不佳的股票,并且他们的预测能力取决于建议的变化。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.