فایل ورد کامل عدم قطعیت توزیع و بازده سهام مورد انتظار

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل عدم قطعیت توزیع و بازده سهام مورد انتظار،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۸ صفحه

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، درصد در ماه است. آلفاهای چهارعاملی مربوطه از بالا تا پایین سبدهای سهام KS، CM و K، تا 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.

عنوان انگلیسی:Distribution Uncertainty and Expected Stock Returns~~en~~

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.

$$en!!