感。换句话说,GS为极端值的公司相比于中间值的公司,似乎风险较高。同样的解释可能有助于U形对于EF/A和 BE / ME的解释。再次地,低EF/A企业和高BE / ME公司包括不良企业,高EF/ A和低BE / ME的企业包括高速增长的企业,而中间分组的企业往往是最“稳定”的企业。Р在未报告的结果,我们对收益的排序不只是根据积极和消极的情绪残差值也依据标准差值是> 1和<-1。不足为奇,调节情绪的极端值导致更强的结果。下一小节我们采取更正式在的情绪指数连续性质。此外,为简单起见,我们省略了按照情绪值排序(非正交化版),这给了类似的结果。在下一节我们对两个指标的结果都给出了展示。最后,我们还根据积极和消极情绪残差进行了排序,正面和负面的定义是相对于10年期的平均值。由于需要10年期情绪历史,一下子就失去了超过四分之一的样本。这个结果在性质上和表三是相同的,关于上市历史的指标得出的结果较强,其他的较弱。РB、多空组合的预测回归Р寻找有条件的特征效果的另一种方法是使用情绪来预测权值相等的组合,这些组合是相应特征值大的多头和特征值小的空头。以上我们看到,当情绪是高时,支付红利的公司平均回报率比不支付红利公司的平均回报率要高些,所以情绪似乎能预测依据股息形成的多空投资组合。但回归的方法允许我们进行正式的显着性检验,纳入情绪的持续性指标,并确定哪些特征是有别于知名无条件影响的条件影响。Р表四开始绘制各种随时间的多空投资组合的回报。前几行显示,这并不奇怪,依据规模、上市时间、波动、盈利,股息支付,以及有形资产(在较小程度上)形成多空头组合通常高度相关。因此,一个很好的问题,这是我们在随后的表中所强调的,从各种排序得出的结果都是相同的模式的一部分,还是有些不同。这个问题也与此有关,因为我们的组合是相等的加权。在组合预测回归中通过控制SMB,我们可以探讨有条件的可预见性模型与规模的独立程度。
全文预览
