해시넷
이창주 편집하기
편집을 되돌릴 수 있습니다.
이 편집을 되돌리려면 아래의 바뀐 내용을 확인한 후 저장해주세요.
| 최신판 | 당신의 편집 | ||
| 22번째 줄: | 22번째 줄: | ||
공통주와 선호주 사이의 스프레드 리턴을 이용해 CPS 지수를 구축하고, CPS 지수가 장기적인 시장 수익에 대한 설명력을 가지고 있음을 보여 준다. 보통주는 우선주보다 시장상황에 민감해 CPS 지수가 시장상황에 따라 동요하는 경향이 있다. 우리는 CPS 지수가 낮거나 그 반대일 때 미래 실현 시장 수익률이 높아지는 것을 관찰했다. CPS 지수와 S&P500 지수의 향후 시장수익률 사이에는 음의 상관 관계가 있다. CPS 지수와 미래 시장 수익률의 회귀분석을 통계적으로 분석한 결과 CPS 지수는 21개월에서 최대 48개월 전의 미래 실현 시장 수익률을 설명할 수 있는 상당한 힘을 가지고 있었다. 다변량 회귀분석은 CPS 지수를 설명변수로 포함하는 것이 시장 예측 가능성을 향상시킨다는 것을 확인시켜 준다. 우리는 미래 시장 수익을 예측하기 위해 신경망을 적용하고 CPS 지수가 27개월보다 긴 어떤 시간적 범위에서도 더 나은 예측 결과를 제공하는 것을 관찰한다. | 공통주와 선호주 사이의 스프레드 리턴을 이용해 CPS 지수를 구축하고, CPS 지수가 장기적인 시장 수익에 대한 설명력을 가지고 있음을 보여 준다. 보통주는 우선주보다 시장상황에 민감해 CPS 지수가 시장상황에 따라 동요하는 경향이 있다. 우리는 CPS 지수가 낮거나 그 반대일 때 미래 실현 시장 수익률이 높아지는 것을 관찰했다. CPS 지수와 S&P500 지수의 향후 시장수익률 사이에는 음의 상관 관계가 있다. CPS 지수와 미래 시장 수익률의 회귀분석을 통계적으로 분석한 결과 CPS 지수는 21개월에서 최대 48개월 전의 미래 실현 시장 수익률을 설명할 수 있는 상당한 힘을 가지고 있었다. 다변량 회귀분석은 CPS 지수를 설명변수로 포함하는 것이 시장 예측 가능성을 향상시킨다는 것을 확인시켜 준다. 우리는 미래 시장 수익을 예측하기 위해 신경망을 적용하고 CPS 지수가 27개월보다 긴 어떤 시간적 범위에서도 더 나은 예측 결과를 제공하는 것을 관찰한다. | ||
| + | |||
| + | {{각주}} | ||
== 참고자료 == | == 참고자료 == | ||
