scales 5 and 6, for most industries

scales 5 and 6, for most industries. This result is in line with
that of Cifter and Ozun (2008), Hamrita and Trifi (2011) and
Kim and In (2007) for different countries also using wavelet
methodology.
Moreover, the wavelet correlation results reveal that
there is considerable heterogeneity among industries in
terms of the degree of connection between movements in
10-year bond rates and stock returns. In particular, Utilities,
Food and Beverages, Real Estate, Technology and Telecommunications,
and Banking emerge as those industries most
closely linked to changes in 10-year bond yields. This evidence
supports the commonly held view that regulated,
heavily indebted and banking sectors are the most interest
rate sensitive. Again, this is consistent with earlier
work focused on different countries and periods of time
and using a variety of methodologies (Bartram, 2002; Reilly
et al., 2007; Sweeney and Warga, 1986). In contrast, a
broad group of industries such as Financial Services, Health
Care, Consumer Goods, Chemicals and Paper, Industrials,
and Construction are identified as sectors hardly linked to
10-year bond yield movements. This finding is not surprising
since firms in these industries are typically perceived as
more sensitive to other risk factors such as business cycle
fluctuations.
The sign of the HTW-based correlation is mostly negative,
implying that Spanish firms tend to benefit from interest
rate falls. This is due to the fact that reductions in longterm
interest rates lead to a decrease in the borrowing
costs of companies, with the consequent positive effect on
their profits and share prices. In addition, lower interest
rates increase the attractiveness of stocks as an investment
compared with bonds and might induce a shift into stocks,
pushing up equity prices. This finding is also in keeping
with prior research conducted in other developed countries
(Kim and In, 2007; Korkeamaki, 2011; Reilly et al., 2007).
Nevertheless, a significant positive contemporaneous correlation
between changes in 10-year bond yields and industry
returns is observed at longer horizons for some industries
such as Health Care, Basic Resources, and Chemicals and
Paper. One possible explanation is related to the pro-cyclical
nature of these sectors. It is well known that the long-term
stock market performance of pro-cyclical industries is highly
dependent on economic growth. In turn, in environments of
low interest rates, such as that in force since the late 1990s,
increases in interest rates can be associated with an improving
economic situation. Therefore, it is not surprising that
10-year government bond rates and equity returns of these
industries move in tandem over long time horizons mainly
driven by the economic outlook.
Since the wavelet correlation does not take into account
possible lagged interest rate effects on industry returns
or vice versa, the wavelet cross-correlation is calculated
to shed light on the lead-lag relationships between these
variables at different investment horizons. Fig. 4 plots
the estimated HTW-based cross-correlation coefficients
between 10-year bond yield fluctuations at time t and industry
returns at time t - X and t + X up to 24-month time lags
for the six time horizons The corresponding approximate confidence intervals at 95% level are also displayed in
order to assess the statistical significance of the estimated
wavelet cross-correlation.
Similarly to the HTW contemporaneous correlation, the
estimated HTW cross-correlation shows that the magnitude
of the association between changes in yields on 10-year
bonds and industry returns increases with the time horizon.
At shorter horizons, i.e. scales 1 and 2, the lead-lag
link between both variables is insignificant for virtually all
leads and lags regardless of the industry. However, the crosscorrelation
dynamics becomes more apparent at longer
horizons. The wavelet cross-correlation coefficients reveal
a significant bidirectional relationship between movements
in 10-year bond yields and industry returns at scales 5 and 6
for most industries. In particular, the lags of industry returns
are statistically significant, thereby meaning that industry
returns lead changes in 10-year bond rates, and the leads of
industry returns are also significant, which implies that 10-
year bond yield fluctuations lead industry returns. Further,
the leading as well as the lagging periods increase as does
the time scale.
Overall, the results of the wavelet correlation and crosscorrelation
indicate that the interest rate-stock market link
is not fixed over various time horizons, but it increases with
the time frame, a result well documented in the empirical
literature on this issue (Cifter and Ozun, 2008; Hamrita and
Trifi, 2011; Kim and In, 2007). The presence of a stronger
connection between 10-year bond rate changes and industry
returns as the investment horizon increases has a convincing
explanation. At shorter horizons, the linkage between
these variables is practically non-existent as the short-term
dynamics of stock returns is mainly driven by ephemeral
phenomena such as sporadic events, changes in market
sentiment, and psychological factors (Zhou, 2012). In contrast,
at longer horizons the relationship becomes stronger
as macroeconomic variables such as interest rates exert a
more predictable influence on the stock market. In addition,
long-term bonds and equities are close substitutes for
investors with long horizons, so it seems natural that they
move together and influence each other over long time horizons.
Robustness checks

ผลลัพธ์ (ไทย) 1:

จัดมาตราส่วน 5 และ 6 สำหรับอุตสาหกรรมมากที่สุด ผลลัพธ์นี้จะสอดคล้องกับของ Cifter และ Ozun (2008), Hamrita และ Trifi (2011) และคิม (2007) และสำหรับต่างประเทศใช้ waveletระเบียบวิธีการนอกจากนี้ เปิดเผยผลลัพธ์ความสัมพันธ์ wavelet ที่มี heterogeneity มากระหว่างอุตสาหกรรมในเงื่อนไขของระดับของการเชื่อมต่อระหว่างการเคลื่อนไหวในส่งคืนหุ้นและพันธบัตร 10 ปีราคา โดยเฉพาะอย่างยิ่ง สาธารณูปโภคอาหาร และเครื่องดื่ม อสังหาริมทรัพย์ เทคโนโลยี และโทร คมนาคมและลูกค้าเกิดเป็นอุตสาหกรรมเหล่านั้นมากที่สุดเชื่อมโยงอย่างใกล้ชิดกับการเปลี่ยนแปลงในอัตราผลตอบแทนของพันธบัตร 10 ปี หลักฐานนี้สนับสนุนมุมมองทั่วไปจัดขึ้นที่ควบคุมภาคใครหนัก และธนาคารมีความสนใจมากที่สุดอัตราที่สำคัญ อีก นี้จะสอดคล้องกับก่อนหน้านี้ทำงานในต่างประเทศและระยะเวลาใช้หลากหลายวิธี (คริสโตเบลล์ 2002 Reillyร้อยเอ็ด al., 2007 Sweeney และ Warga, 1986) ในทางตรงกันข้าม การกลุ่มกว้างของอุตสาหกรรมเช่นบริการทางการเงิน สุขภาพดูแล สินค้าอุปโภคบริโภค เคมี และกระดาษ Industrialsและก่อสร้างจะเป็นภาคที่ไม่เชื่อมโยงกับความเคลื่อนไหวผลตอบแทนของพันธบัตร 10 ปี ค้นหานี้ไม่น่าแปลกใจเนื่องจากบริษัทในอุตสาหกรรมเหล่านี้จะมองเห็นเป็นปกติอ่อนไหวมากกับปัจจัยเสี่ยงอื่น ๆ เช่นวงจรธุรกิจผันผวนของส่วนใหญ่เป็นเครื่องหมายของความสัมพันธ์ตาม HTW ลบหน้าที่ที่บริษัทสเปนมักจะ ได้รับประโยชน์จากดอกเบี้ยอัตราตก นี่คือเนื่องจากที่ลดในตนอัตราดอกเบี้ยที่นำไปสู่การลดลงในการกู้ยืมเงินต้นทุนของบริษัท ผลบวกผลลัพธ์บนของกำไรและราคาหุ้น นอกจากนี้ ลดดอกเบี้ยราคาเพิ่มความเท่ของหุ้นเป็นการลงทุนเมื่อเทียบกับพันธบัตร และอาจก่อให้เกิดกะเข้าหุ้นผลักดันราคาหุ้นขึ้น ค้นหานี้ยังอยู่ในการรักษากับงานวิจัยก่อนหน้านี้ดำเนินการในประเทศที่พัฒนาแล้ว(คิม และ 2007 Korkeamaki, 2011 Reilly et al., 2007)อย่างไรก็ตาม อย่างมีนัยสำคัญบวก contemporaneous ความสัมพันธ์ระหว่างการเปลี่ยนแปลงในอัตราผลตอบแทนของพันธบัตร 10 ปีและอุตสาหกรรมกลับเป็นสังเกตที่ฮอลิซันส์ยาวสำหรับอุตสาหกรรมเช่นการดูแลสุขภาพ ทรัพยากรพื้นฐาน และสารเคมี และกระดาษ หนึ่งสามารถอธิบายเกี่ยวข้องกับโปรห่วงธรรมชาติของภาคนี้ มันเป็นที่รู้จักซึ่งในระยะยาวประสิทธิภาพตลาดหุ้น pro แบบอุตสาหกรรมคือขึ้นอยู่กับการเติบโตทางเศรษฐกิจ ในเลี้ยว สภาพแวดล้อมของอัตราดอกเบี้ยต่ำ เช่นในกองทัพตั้งแต่ปลายปี 1990เพิ่มขึ้นของอัตราดอกเบี้ยสามารถเชื่อมโยงกับการปรับปรุงสถานการณ์ทางเศรษฐกิจ ดังนั้น มันจะไม่น่าแปลกใจที่ราคาพันธบัตรรัฐบาล 10 ปีและหุ้นกลับเหล่านี้อุตสาหกรรมย้ายตามกันไปกว่าฮอลิซันส์นานส่วนใหญ่ขับเคลื่อน ด้วยภาวะเศรษฐกิจเนื่องจากความสัมพันธ์ของ wavelet ไม่คำนึงส่งกลับค่าผลได้ lagged อัตราดอกเบี้ยอุตสาหกรรมหรือในทางกลับกัน คำนวณข้าม wavelet-ความสัมพันธ์การนำความล่าช้าความสัมพันธ์ระหว่างเหล่านี้ตัวแปรที่ฮอลิซันส์ลงทุนแตกต่างกัน Fig. 4 ผืนประมาณ HTW ตามความสัมพันธ์ระหว่างสัมประสิทธิ์ระหว่างความผันผวนของผลตอบแทนของพันธบัตร 10 ปีที่เวลา t และอุตสาหกรรมกลับมาในเวลา t - X และ t + X ถึง lags เวลา 24 เดือนครั้งหก ฮอลิซันส์ช่วงความเชื่อมั่นโดยประมาณสอดคล้องกันในระดับ 95% นอกจากนี้ยังแสดงในสั่งเพื่อประเมินนัยสำคัญทางสถิติของการประเมินข้าม wavelet-สหคล้ายกับ HTW contemporaneous สหสัมพันธ์ การประมาณ HTW ข้ามสหสัมพันธ์แสดงให้เห็นว่าขนาดของความสัมพันธ์ระหว่างการเปลี่ยนแปลงในอัตราผลตอบแทน 10 ปีพันธบัตรและอุตสาหกรรมกลับเพิ่มขึ้นกับขอบเขตเวลาที่สั้นกว่าฮอลิซันส์ เช่นปรับขนาด 1 และ 2 ลูกค้าเป้าหมายความล่าช้าเชื่อมโยงระหว่างตัวแปรทั้งสองมีความสำคัญแทบทั้งหมดเป้าหมาย และ lags ไม่ว่าอุตสาหกรรม อย่างไรก็ตาม crosscorrelationdynamics ได้ชัดเจนมากขึ้นที่อีกต่อไปฮอลิซันส์ สัมประสิทธิ์สหสัมพันธ์ระหว่าง wavelet เปิดเผยความสัมพันธ์แบบสองทิศทางอย่างมีนัยสำคัญระหว่างการเคลื่อนไหวในพันธบัตร 10 ปี อุตสาหกรรมและอัตราผลตอบแทนกลับมาในระดับ 5 และ 6อุตสาหกรรมส่วนใหญ่ โดยเฉพาะอย่างยิ่ง lags อุตสาหกรรมกลับสำคัญทางสถิติ จึงหมายถึง อุตสาหกรรมที่มีกลับนำการเปลี่ยนแปลงในราคาของพันธบัตร 10 ปี และเป้าหมายของอุตสาหกรรมกลับเป็นสำคัญ ซึ่งบ่งชี้ที่ 10 -ความผันผวนของผลตอบแทนตราสารหนี้ปีนำส่งคืนอุตสาหกรรม เพิ่มเติมนำเป็นรอบ lagging เพิ่มกับมาตราส่วนเวลาโดยรวม ผลของความสัมพันธ์ของ wavelet และ crosscorrelationระบุว่า ตลาดหุ้นอัตราดอกเบี้ยเชื่อมโยงไม่ได้ถาวรกว่าฮอลิซันส์เวลาต่าง ๆ แต่มันเพิ่มด้วยเวลา ผลจากการจัดในการประจักษ์ดีวรรณคดีเรื่องนี้ (Cifter และ Ozun, 2008 Hamrita และTrifi, 2011 คิม และ 2007) ของความแข็งแกร่งเชื่อมต่อระหว่างหุ้นกู้ 10 ปีอัตราการเปลี่ยนแปลงและอุตสาหกรรมกลับเพิ่มขอบเขตการลงทุนมีการหลอกลวงอธิบาย ที่สั้นกว่าฮอลิซันส์ การเชื่อมโยงระหว่างตัวแปรเหล่านี้เป็นจริงไม่มีอยู่เป็นแบบระยะสั้นส่วนใหญ่มีการขับเคลื่อนของหุ้นแทน ด้วยข้อมูลแบบชั่วคราวปรากฏการณ์เช่นมีกิจกรรม การเปลี่ยนแปลงในตลาดความเชื่อมั่น และปัจจัยทางจิตวิทยา (โจว 2012) ในความคมชัดที่ฮอลิซันส์อีกต่อไป ความสัมพันธ์จะแข็งแกร่งเป็นตัวแปรเศรษฐกิจมหภาคเช่นอัตราดอกเบี้ยแรงอิทธิพลได้มากขึ้นในตลาดหุ้น นอกจากนี้พันธบัตรระยะยาวและหุ้นปิดแทนที่จะนักลงทุนกับฮอลิซันส์ยาว เพื่อให้ดูเหมือนธรรมชาติที่พวกเขาไปด้วยกัน และกันอิทธิพลฮอลิซันส์เวลายาวนานการตรวจสอบเสถียรภาพ

ผลลัพธ์ (ไทย) 2:

เครื่องชั่งน้ำหนัก 5 และ 6 สำหรับอุตสาหกรรมมากที่สุด ผลที่ได้นี้เป็นไปตามที่ Cifter และ Ozun (2008), Hamrita และ Trifi (2011) และคิมและใน(2007) สำหรับประเทศที่แตกต่างกันยังมีการใช้เวฟวิธี. นอกจากนี้ผลการสัมพันธ์เวฟเผยให้เห็นว่ามีความแตกต่างอย่างมากในหมู่อุตสาหกรรมในแง่ของระดับของการเชื่อมต่อระหว่างการเคลื่อนไหวในอัตราพันธบัตรอายุ10 ปีและผลตอบแทนหุ้น โดยเฉพาะอย่างยิ่งยูทิลิตี้, อาหารและเครื่องดื่ม, อสังหาริมทรัพย์, เทคโนโลยีและการสื่อสารโทรคมนาคมและการธนาคารออกมาเป็นอุตสาหกรรมเหล่านั้นส่วนใหญ่ที่เชื่อมโยงอย่างใกล้ชิดกับการเปลี่ยนแปลงในอัตราผลตอบแทนพันธบัตรอายุ 10 ปี หลักฐานนี้สนับสนุนมุมมองที่จัดขึ้นทั่วไปว่าการควบคุมอย่างหนักหนี้และภาคธนาคารมีความสนใจมากที่สุดอัตราที่มีความสำคัญ อีกครั้งนี้มีความสอดคล้องกับก่อนหน้านี้ทำงานที่มุ่งเน้นไปที่ต่างประเทศและช่วงเวลาและใช้ความหลากหลายของวิธีการ(Bartram 2002; ลีet al, 2007;. สวีนีย์และ Warga, 1986) ในทางตรงกันข้ามกลุ่มกว้างของอุตสาหกรรมเช่นบริการทางการเงินสุขภาพการดูแลสินค้าอุปโภคบริโภค, เคมีและกระดาษ, อุตสาหกรรม, และการก่อสร้างได้รับการระบุว่าเป็นภาคที่เชื่อมโยงแทบจะไม่10 ปีการเคลื่อนไหวของอัตราผลตอบแทนพันธบัตร การค้นพบนี้ไม่น่าแปลกใจตั้งแต่ บริษัท ในอุตสาหกรรมเหล่านี้มีการรับรู้โดยทั่วไปจะมีความไวต่อปัจจัยเสี่ยงอื่นๆ เช่นวงจรธุรกิจความผันผวน. เครื่องหมายของความสัมพันธ์ HTW ตามเป็นลบส่วนใหญ่หมายความว่าบริษัท สเปนมีแนวโน้มที่จะได้รับประโยชน์จากดอกเบี้ยที่น้ำตกอัตรา เพราะนี่คือความจริงที่ว่าในระยะยาวการลดลงของอัตราดอกเบี้ยที่นำไปสู่การลดลงของการกู้ยืมเงินค่าใช้จ่ายของบริษัท ที่มีผลกระทบในเชิงบวกที่เกิดขึ้นเกี่ยวกับผลกำไรและราคาหุ้นของพวกเขา นอกจากนี้ที่น่าสนใจที่ต่ำกว่าอัตราการเพิ่มความน่าสนใจของหุ้นเป็นเงินลงทุนเมื่อเทียบกับพันธบัตรและอาจก่อให้เกิดการเปลี่ยนแปลงเป็นหุ้นที่ผลักดันขึ้นราคาตราสารทุน scales 5 and 6, for most industries. This result is in line with
that of Cifter and Ozun (2008), Hamrita and Trifi (2011) and
Kim and In (2007) for different countries also using wavelet
methodology.
Moreover, the wavelet correlation results reveal that
there is considerable heterogeneity among industries in
terms of the degree of connection between movements in
10-year bond rates and stock returns. In particular, Utilities,
Food and Beverages, Real Estate, Technology and Telecommunications,
and Banking emerge as those industries most
closely linked to changes in 10-year bond yields. This evidence
supports the commonly held view that regulated,
heavily indebted and banking sectors are the most interest
rate sensitive. Again, this is consistent with earlier
work focused on different countries and periods of time
and using a variety of methodologies (Bartram, 2002; Reilly
et al., 2007; Sweeney and Warga, 1986). In contrast, a
broad group of industries such as Financial Services, Health
Care, Consumer Goods, Chemicals and Paper, Industrials,
and Construction are identified as sectors hardly linked to
10-year bond yield movements. This finding is not surprising
since firms in these industries are typically perceived as
more sensitive to other risk factors such as business cycle
fluctuations.
The sign of the HTW-based correlation is mostly negative,
implying that Spanish firms tend to benefit from interest
rate falls. This is due to the fact that reductions in longterm
interest rates lead to a decrease in the borrowing
costs of companies, with the consequent positive effect on
their profits and share prices. In addition, lower interest
rates increase the attractiveness of stocks as an investment
compared with bonds and might induce a shift into stocks,
pushing up equity prices. This finding is also in keeping
with prior research conducted in other developed countries
(Kim and In, 2007; Korkeamaki, 2011; Reilly et al., 2007).
Nevertheless, a significant positive contemporaneous correlation
between changes in 10-year bond yields and industry
returns is observed at longer horizons for some industries
such as Health Care, Basic Resources, and Chemicals and
Paper. One possible explanation is related to the pro-cyclical
nature of these sectors. It is well known that the long-term
stock market performance of pro-cyclical industries is highly
dependent on economic growth. In turn, in environments of
low interest rates, such as that in force since the late 1990s,
increases in interest rates can be associated with an improving
economic situation. Therefore, it is not surprising that
10-year government bond rates and equity returns of these
industries move in tandem over long time horizons mainly
driven by the economic outlook.
Since the wavelet correlation does not take into account
possible lagged interest rate effects on industry returns
or vice versa, the wavelet cross-correlation is calculated
to shed light on the lead-lag relationships between these
variables at different investment horizons. Fig. 4 plots
the estimated HTW-based cross-correlation coefficients
between 10-year bond yield fluctuations at time t and industry
returns at time t - X and t + X up to 24-month time lags
for the six time horizons The corresponding approximate confidence intervals at 95% level are also displayed in
order to assess the statistical significance of the estimated
wavelet cross-correlation.
Similarly to the HTW contemporaneous correlation, the
estimated HTW cross-correlation shows that the magnitude
of the association between changes in yields on 10-year
bonds and industry returns increases with the time horizon.
At shorter horizons, i.e. scales 1 and 2, the lead-lag
link between both variables is insignificant for virtually all
leads and lags regardless of the industry. However, the crosscorrelation
dynamics becomes more apparent at longer
horizons. The wavelet cross-correlation coefficients reveal
a significant bidirectional relationship between movements
in 10-year bond yields and industry returns at scales 5 and 6
for most industries. In particular, the lags of industry returns
are statistically significant, thereby meaning that industry
returns lead changes in 10-year bond rates, and the leads of
industry returns are also significant, which implies that 10-
year bond yield fluctuations lead industry returns. Further,
the leading as well as the lagging periods increase as does
the time scale.
Overall, the results of the wavelet correlation and crosscorrelation
indicate that the interest rate-stock market link
is not fixed over various time horizons, but it increases with
the time frame, a result well documented in the empirical
literature on this issue (Cifter and Ozun, 2008; Hamrita and
Trifi, 2011; Kim and In, 2007). The presence of a stronger
connection between 10-year bond rate changes and industry
returns as the investment horizon increases has a convincing
explanation. At shorter horizons, the linkage between
these variables is practically non-existent as the short-term
dynamics of stock returns is mainly driven by ephemeral
phenomena such as sporadic events, changes in market
sentiment, and psychological factors (Zhou, 2012). In contrast,
at longer horizons the relationship becomes stronger
as macroeconomic variables such as interest rates exert a
more predictable influence on the stock market. In addition,
long-term bonds and equities are close substitutes for
investors with long horizons, so it seems natural that they
move together and influence each other over long time horizons.
Robustness checks

ผลลัพธ์ (ไทย) 3:

ระดับ 5 และ 6 สำหรับอุตสาหกรรมส่วนใหญ่ ผลที่ได้นี้สอดคล้องกับที่ และ ozun
cifter ( 2008 ) , และ hamrita trifi ( 2011 ) และ
คิมและ ( 2007 ) สำหรับประเทศที่แตกต่างกันด้วยวิธีการเวฟ
.
และผลสัมพันธ์ กรณีพบว่ามีความหลากหลายมากของ

แง่ของอุตสาหกรรมในระดับของการเชื่อมต่อระหว่าง ความเคลื่อนไหวใน
อัตราผลตอบแทนพันธบัตรอายุ 10 และหุ้น โดยเฉพาะสาธารณูปโภค
อาหารและเครื่องดื่ม อสังหาริมทรัพย์ เทคโนโลยี โทรคมนาคม และธนาคารออกมาเป็นอุตสาหกรรม

ส่วนใหญ่ผู้ที่เชื่อมโยงอย่างใกล้ชิดกับการเปลี่ยนแปลงในอัตราผลตอบแทนพันธบัตรอายุ 10 ปี นี้หลักฐาน
สนับสนุนมักถือมุมมองการควบคุม
อย่างหนักเป็นหนี้และภาคการธนาคารมีความสนใจมากที่สุด
คะแนนตามลำดับ อีกครั้งซึ่งสอดคล้องกับก่อนหน้านี้
งานเน้นประเทศที่แตกต่างกันและช่วงเวลา
และการใช้ความหลากหลายของวิธีการ ( บาร์แทรม , 2002 ; Reilly
et al . , 2007 ; สวีนีย์ และ warga , 1986 ) ในทางตรงกันข้าม ,
กลุ่มกว้างของอุตสาหกรรม เช่น การบริการด้านสุขภาพ
ดูแลสินค้าอุปโภคบริโภค เคมีภัณฑ์และกระดาษ อุตสาหกรรมการก่อสร้าง , และระบุว่าเป็นภาค


ไม่เชื่อมโยง10 ปีพันธบัตรการเคลื่อนไหว การค้นพบนี้ไม่น่าแปลกใจ
เนื่องจากบริษัทในอุตสาหกรรมเหล่านี้มักจะมองว่า
อ่อนไหวมากกับปัจจัยเสี่ยงอื่นๆ เช่น ความผันผวนของวัฏจักรธุรกิจ
.
เครื่องหมายของ htw ตามความสัมพันธ์เป็นลบเป็นส่วนใหญ่
หมายความว่าบริษัทสเปนมีแนวโน้มที่จะได้รับประโยชน์จากอัตราดอกเบี้ย
ฟอล เนื่องจากการลดลงของระยะยาว
อัตราดอกเบี้ยที่นำไปสู่การลดลงในค่าใช้จ่ายของการกู้ยืมเงิน
บริษัทที่มีผลในเชิงบวกจากบน
ผลกําไรของพวกเขา และราคาหุ้น นอกจากนี้ อัตราดอกเบี้ย
ลดเพิ่มความน่าดึงดูดใจของหุ้นเป็นการลงทุน
เมื่อเทียบกับพันธบัตรและอาจก่อให้เกิดการเปลี่ยนแปลงในหุ้น
ผลักดันราคาหุ้น การค้นพบนี้ยังเป็นในการรักษา
กับก่อนทำวิจัยในประเทศที่พัฒนาอื่น ๆ
( คิม และในปี 2550 ; korkeamaki 2011 ; Reilly et al . , 2007 ) .
แต่อย่างไรก็ตามความสัมพันธ์ทางบวกระหว่างการเปลี่ยนแปลงซึ่งเกิดขึ้นในสมัยเดียวกันความสัมพันธ์
ในอัตราผลตอบแทนพันธบัตรอายุ 10 ปี และจะพบในขอบเขตอุตสาหกรรม

นานสำหรับบางอุตสาหกรรมเช่นการดูแลสุขภาพ , ทรัพยากรพื้นฐาน และสารเคมีและ
กระดาษคำอธิบายหนึ่งที่เป็นไปได้ที่เกี่ยวข้องกับโปรพิเศษ
ธรรมชาติของภาคนี้ มันเป็นที่รู้จักกันดีว่าระยะยาวหุ้นตลาดประสิทธิภาพของวัฏจักร
Pro อุตสาหกรรมเป็นอย่างสูง
ขึ้นอยู่กับการเจริญเติบโตทางเศรษฐกิจ ในการเปิด ในสภาพแวดล้อมของ
อัตราดอกเบี้ยต่ำ เช่น ที่มีผลบังคับใช้ตั้งแต่ปลายปี 1990 ,
เพิ่มขึ้นในอัตราดอกเบี้ยที่สามารถเชื่อมโยงกับสถานการณ์ทางเศรษฐกิจใหม่
. ดังนั้นมันไม่น่าแปลกใจว่า 10 ปีพันธบัตรและหุ้น
อัตราผลตอบแทนของอุตสาหกรรมเหล่านี้
ย้ายตีคู่เหนือขอบฟ้านานส่วนใหญ่
ขับเคลื่อน โดยแนวโน้มเศรษฐกิจ .
ตั้งแต่วิธีการความสัมพันธ์ไม่ได้คำนึงถึง
เป็นไปได้ย้อนหลัง อัตราผลตอบแทนในอุตสาหกรรม
หรือในทางกลับกัน เวฟ cross-correlation คำนวณ