دانلود ترجمه مقاله عدم قطعیت توزیع و بازده سهام مورد انتظار (ساینس دایرکت – الزویر ۲۰۱۷) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در ۲۲ صفحه در سال ۲۰۱۷ منتشر شده و ترجمه آن ۱۴ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۷
تعداد صفحات مقاله انگلیسی	۲۲ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	علوم اقتصادی
گرایش های مرتبط با این مقاله	اقتصاد مالی و اقتصاد پولی
مجله	اسناد تحقیقات مالی – Finance Research Letters
دانشگاه	دانشکده تجارت، دانشگاه ملی سئول، جمهوری کره
کلمات کلیدی	بازده مورد انتظار سهام، عدم قطعیت در توزیع، تفاوت‌های توزیع بازده
رفرنس	دارد ✓
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده

۱٫ مقدمه

۲٫ داده‌ها و ایجاد متغیرها

۳٫ نتایج تجربی

۴٫ نتیجه گیری

• بخشی از ترجمه:

۴٫ نتیجه گیری
این مقاله، اهمیت عدم قطعیت در مورد توزیع بازده (عدم قطعیت در توزیع) در قیمت‌گذاری مقطعی سهام را بررسی می‌کند. ما پراکسی‌هایی را برای عدم قطعیت در توزیع بازده سهام بیان می‌کنیم (Kolmogorov-Smirnov (KS)، Cramer-vonMises (CM) و Kuiper (K)) که اختلاف بین توزیع بازده تجربی سهام و سبدسهام معیار را به صورت غیرپارامتری می‌سنجد.
نتایج ما نشان می‌دهد که سهام دارای عدم قطعیت در توزیع بالا، به طور میانگین بازده بالایی از خود نشان می‌دهد و اختلاف بین بازده‌ها روی سبدهای سهام دارای بالاترین و پایین‌ترین عدم قطعیت در توزیع، ۲ درصد در ماه است. آلفاهای چهارعاملی مربوطه از بالا تا پایین سبدهای سهام KS، CM و K، ۱٫۸۷ تا ۲٫۶۲ درصد در ماه است. ما میزان پایداری نتایج تجربی خود را بررسی کردیم و دریافتیم که اثر عدم قطعیت در توزیع بعد از محاسبه مشخصات شرکت مانند بتا، سایز، نسبت ارزش دفتری به بازار، مومنتوم، بازگشت کوتاه‌مدت و عدم نقدینگی پایدار می‌ماند.

• بخشی از مقاله انگلیسی:

IV. Conclusion

This paper investigates the significance of uncertainty about the return distribution (distribution uncertainty) in the cross-sectional pricing of stocks. We suggest proxies for distribution uncertainty of a stock return, the Kolmogorov-Smirnov (KS), Cramer-von Mises (CM), and Kuiper (K) statistics, which non-parametrically measure difference between empirical return distributions of an individual stock and a benchmark portfolio. Our results show that stocks with severe distribution uncertainty exhibit high returns on average, and the difference between returns on the portfolios with highest and lowest distribution uncertainty is almost 2% per month. The corresponding four-factor alphas from high-minus-low KS, CM, and K-sorted portfolios are 1.87% to 2.62% a month. We extensively investigate the robustness of our empirical results and find that the impact of distribution uncertainty persists after accounting for firm characteristics, such as beta, size, book-to-market ratio, momentum, short-term reversal, and illiquidity.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد