Notice bibliographique
Résumé
This thesis is presented in order to obtain the Bachelor’s degree HES. The aim of this current thesis is to answer the following question: What are the consequences of the short selling ban enacted from the 12th of August 2011 until the 12th of February 2012 on the CAC40? In the first part, we define in what consists short selling and describe when it is used. We learn that it is used as a speculative tool when a company is overpriced, it is also used as a hedging technique and it is especially a useful tool to reduce the volatility in a portfolio. Later we learn about the political context as well as the stock market situation that led the French regulator AMF to the introduction of the short selling ban. The three key moments that triggered the introduction of the short selling ban are the downgrade of America’s AAA credit rating to an AA, the doubt about France’s AAA credit rating and mainly the risk of contagion of the European debt crisis to the countries Spain and Italy. In the second part we make a quantitative analysis with the use of multiple regression analysis to determine the impact on the short selling ban on the stock returns, the volatility, the skewness and the kurtosis. First we learn that the ban failed to support prices and increased volatility on the restricted stocks. Finally, it deteriorated the price discovery, as the skewness was less negative during the short selling ban. No conclusion can be drawn from our results concerning the occurrence of extreme outcomes because the analysis on the kurtosis were not significant.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».