{
  "schema_version": 1,
  "slug": "mclean-pontiff-2016-publication-decay",
  "title": "Does Academic Research Destroy Stock Return Predictability?",
  "title_ja": "株価予測の効果は研究公表後にどれほど弱まるか",
  "authors": [
    "R. David McLean",
    "Jeffrey Pontiff"
  ],
  "published_year": 2016,
  "venue": "Journal of Finance",
  "identifiers": {
    "doi": "10.1111/jofi.12365",
    "arxiv": null,
    "jstage": null,
    "ssrn": null
  },
  "versions": [
    {
      "kind": "publisher",
      "url": "https://doi.org/10.1111/jofi.12365",
      "label": "出版社・公式論文ページ"
    }
  ],
  "source": {
    "provider": "publisher",
    "metadata_license": "other",
    "text_reuse": "none",
    "accessed_at": "2026-08-11"
  },
  "categories": [
    "statistical_method"
  ],
  "methods": [
    "meta_analysis"
  ],
  "sample": {
    "markets": [
      "GLOBAL"
    ],
    "period": {
      "start": "1926",
      "end": "2013"
    },
    "universe": "公表済み米国株リターン予測変数",
    "frequency": "monthly"
  },
  "findings": [
    {
      "label": "公表後のリターン予測力",
      "effect": "公表後のリターン予測力",
      "value": null,
      "unit": null,
      "basis": "not_reported",
      "note_ja": "一次資料で主要結論は確認したが、定義を統一できる効果量は本レコードでは採録していない。"
    }
  ],
  "replication": {
    "status": "not_assessed",
    "evidence": [],
    "note_ja": "独立した標本外再現を本レコードでは評価していない。"
  },
  "caveats": [
    "data_snooping_risk"
  ],
  "japan_applicability": {
    "status": "not_assessed",
    "note": "日本市場を直接検証していないため、日本株への適用可能性は未評価。"
  },
  "summary_ja": {
    "body": "公表後に予測リターンが低下する傾向を報告し、学習と裁定の寄与を検討した。",
    "derivation": "original_summary",
    "reviewed_by": "operator",
    "reviewed_at": "2026-08-11"
  },
  "explainer_ja": {
    "one_liner": "公表済みの97個の株価予測変数を追跡し、元論文の標本外と論文公表後で予測リターンがどう変わるか比較した研究です。",
    "question": "アノマリーの高いリターンは、たまたま良く見えた変数を選んだデータ探索の結果でしょうか。それとも論文を読んだ投資家が取引し、誤価格を修正するため公表後に弱まるのでしょうか。二つの低下を分離します。",
    "method": "株式リターンの横断面を予測すると報告された97変数について、元研究の標本期間、論文には未使用の標本外期間、公表後期間のポートフォリオリターンを比較します。予測変数の特性、流動性、固有リスク、公表済み戦略同士の相関変化も調べます。",
    "result": "予測ポートフォリオのリターンは標本外で26％、公表後で58％低いと報告されました。両者の差32ポイントを公表情報に基づく取引の推定効果と解釈し、元の標本内リターンが高い変数ほど公表後の低下が大きい傾向も示しました。",
    "interpretation": "58％低下は全アノマリーが消滅したという意味ではなく、平均的な縮小率です。標本外低下をデータ探索効果の上限、公表後との差を投資家学習とみなす識別には仮定があります。個別戦略の現在の収益性を直接判定する数値ではありません。",
    "glossary": [
      {
        "term": "標本外",
        "note": "モデルや規則を作る際に使わなかった期間・データでの検証です。"
      },
      {
        "term": "横断面予測",
        "note": "同じ時点の複数銘柄間で将来リターンの差を予測することです。"
      }
    ]
  },
  "source_verification": {
    "level": "abstract",
    "checked_url": "https://doi.org/10.1111/jofi.12365",
    "checked_date": "2026-08-11"
  },
  "updated_at": "2026-08-11",
  "aliases": [],
  "diagram_ja": {
    "type": "before_after",
    "evidence_mode": "direction_only",
    "headline": "研究で見つかった収益差は、公表後に弱くなる",
    "caption": "97個の予測変数では、元論文の標本内より標本外・公表後の予測リターンが弱まりました。",
    "before_after": {
      "before": {
        "label": "元論文の標本内",
        "note": "発見時の成績"
      },
      "trigger": {
        "label": "標本外・論文公表"
      },
      "after": {
        "label": "公表後",
        "note": "平均的に成績が縮小"
      }
    },
    "profit_distance": {
      "observed": {
        "status": "supported",
        "note": "平均的な縮小を観測。"
      },
      "costs": {
        "status": "not_tested",
        "note": "個別戦略の費用後利益ではない。"
      },
      "replication": {
        "status": "not_tested",
        "note": "独立した追試は台帳で未評価。"
      },
      "japan": {
        "status": "not_tested",
        "note": "日本市場は未評価。"
      }
    }
  },
  "lint_waivers": [],
  "disclaimer_ja": "一般的な研究紹介であり、売買推奨・投資助言ではありません。"
}