Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-fin > arXiv:1405.3225

帮助 | 高级搜索

定量金融 > 经济学

arXiv:1405.3225 (q-fin)
[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?

Authors:Ivan Medovikov
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。
摘要: We use the copula approach to study the structure of dependence between sell-side analysts' consensus recommendations and subsequent security returns, with a focus on asymmetric tail dependence. We match monthly vintages of I/B/E/S recommendations for the period January to December 2011 with excess security returns during six months following recommendation issue. Using a symmetrized Joe-Clayton Copula (SJC) model we find evidence to suggest that analysts can identify stocks that will substantially outperform, but not underperform relative to the market, and that their predictive ability is conditional on recommendation changes.
评论: 15页,1图
主题: 一般经济学 (econ.GN)
MSC 类: 62P20
引用方式: arXiv:1405.3225 [q-fin.EC]
  (或者 arXiv:1405.3225v1 [q-fin.EC] 对于此版本)
  https://doi.org/10.48550/arXiv.1405.3225
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ivan Medovikov [查看电子邮件]
[v1] 星期二, 2014 年 5 月 13 日 16:47:43 UTC (16 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
econ.GN
< 上一篇   |   下一篇 >
新的 | 最近的 | 2014-05
切换浏览方式为:
q-fin
q-fin.EC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号