Directional news impact curve
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11640%2F21%3A00542009" target="_blank" >RIV/00216208:11640/21:00542009 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1002/for.2708" target="_blank" >https://doi.org/10.1002/for.2708</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1002/for.2708" target="_blank" >10.1002/for.2708</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Directional news impact curve
Popis výsledku v původním jazyce
The directional news impact curve (DNIC) is a relationship between returns and the probability of next period's return exceeding a certain threshold—zero in particular. Using long series of S&P500 index returns and a number of para-metric models suggested in the literature, as well and flexible semiparametric models, we investigate the shape of the DNIC and forecasting abilities of these models. The semiparametric approach reveals that the DNIC has complicated shapes characterized by nonsymmetry with respect to past returns and their signs, heterogeneity across the thresholds, and changes over time. Simple para-metric models often miss some important features of the DNIC, but some nevertheless exhibit superior out-of-sample performance.
Název v anglickém jazyce
Directional news impact curve
Popis výsledku anglicky
The directional news impact curve (DNIC) is a relationship between returns and the probability of next period's return exceeding a certain threshold—zero in particular. Using long series of S&P500 index returns and a number of para-metric models suggested in the literature, as well and flexible semiparametric models, we investigate the shape of the DNIC and forecasting abilities of these models. The semiparametric approach reveals that the DNIC has complicated shapes characterized by nonsymmetry with respect to past returns and their signs, heterogeneity across the thresholds, and changes over time. Simple para-metric models often miss some important features of the DNIC, but some nevertheless exhibit superior out-of-sample performance.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
50206 - Finance
Návaznosti výsledku
Projekt
<a href="/cs/project/GA20-28055S" target="_blank" >GA20-28055S: EKONOMETRIE S PŘEPARAMETRIZOVANÝMI MODELY A SLABOU IDENTIFIKACÍ</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Journal of Forecasting
ISSN
0277-6693
e-ISSN
1099-131X
Svazek periodika
40
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
14
Strana od-do
94-107
Kód UT WoS článku
000543723100001
EID výsledku v databázi Scopus
2-s2.0-85087164578