Notice bibliographique
Résumé
Résumé Cet article étudie la pertinence d’ajouter un investissement passif dans un panier diversifié de produits de base à un portefeuille traditionnel composé d’actions et d’obligations. De nombreux avantages plaident en faveur de l’ajout des produits de base. À partir d’une analyse moyenne-variance, l’ajout des produits de base permet d’espérer un meilleur rendement par unité de risque. La composante «produits de base» dans un portefeuille conduit également à une meilleure protection face à l’inflation en plus de réduire les pertes lorsque le marché des actions est baissier. En outre, la conjoncture actuelle est favorable aux produits de base, notamment en raison de la forte demande des marchés émergents qui devrait demeurer soutenue pour plusieurs années. Les auteurs discutent également de la distinction importante entre une exposition indirecte à travers un investissement dans les actions d’entreprises du secteur primaire et une exposition directe dans les produits de base, l’option directe étant la seule qui permette de livrer les bénéfices espérés des produits de base. Ils évoquent aussi la distribution des rendements des produits de base qui, par son asymétrie positive, permet d’espérer des chocs plus souvent positifs que négatifs. Les auteurs y vont d’une discussion sur les contraintes pratiques liées à l’investissement dans les produits de base par le biais de contrats à terme.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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 ».