Does it pay to follow anomalies research? Machine learning approach with international evidence

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F21%3A00533567" target="_blank" >RIV/67985556:_____/21:00533567 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216208:11230/21:10413843

Výsledek na webu

<a href="https://www.sciencedirect.com/science/article/pii/S1386418120300574" target="_blank" >https://www.sciencedirect.com/science/article/pii/S1386418120300574</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.finmar.2020.100588" target="_blank" >10.1016/j.finmar.2020.100588</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Does it pay to follow anomalies research? Machine learning approach with international evidence

Popis výsledku v původním jazyce

We study out-of-sample returns on 153 anomalies in equities documented in the academic literature. We show that machine learning techniques that aggregate all the anomalies into one mispricing signal are profitable around the globe and survive on a liquid universe of stocks. We investigate the value of international evidence for selection of quantitative strategies that outperform out-of-sample. Past performance of quantitative strategies in regions other than the United States does not help to pick out-of-sample winning strategies in the U.S. Past evidence from the U.S., however, captures most of the return predictability outside the U.S.

Název v anglickém jazyce

Does it pay to follow anomalies research? Machine learning approach with international evidence

Popis výsledku anglicky

We study out-of-sample returns on 153 anomalies in equities documented in the academic literature. We show that machine learning techniques that aggregate all the anomalies into one mispricing signal are profitable around the globe and survive on a liquid universe of stocks. We investigate the value of international evidence for selection of quantitative strategies that outperform out-of-sample. Past performance of quantitative strategies in regions other than the United States does not help to pick out-of-sample winning strategies in the U.S. Past evidence from the U.S., however, captures most of the return predictability outside the U.S.

Druh

J_SC - Článek v periodiku v databázi SCOPUS

CEP obor

—

OECD FORD obor

50206 - Finance

Projekt

<a href="/cs/project/GX19-28231X" target="_blank" >GX19-28231X: Dynamické modely pro digitální finance</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Journal of Financial Markets

ISSN

1386-4181

e-ISSN

1878-576X

Svazek periodika

56

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

73

Strana od-do

100588

Kód UT WoS článku

—

EID výsledku v databázi Scopus

2-s2.0-85089487417