Erreurs sur les variables et modèles d'évaluation des actifs financiers canadiens
Notice bibliographique
Résumé
Résumé Cet article revisite l’estimation des modèles multifactoriels développés par Fama et French (1993) en prenant en considération la présence d’éventuelles erreurs sur les variables. Les données mensuelles utilisées sont celles du marché boursier canadien et couvrent une longue période courant de juillet 1960 à décembre 2004. Fama et French (1997) concluent que leurs estimations ponctuelles des paramètres du modèle à trois facteurs sont imprécises. Nos résultats révèlent que cette imprécision est d’autant plus importante que les paramètres estimés sont biaisés par la présence d’erreurs de mesure considérables. Nous proposons l’estimateur de Dagenais et Dagenais (1997) pour corriger les biais induits par les erreurs sur les variables. Cet estimateur présente le double avantage d’être facile à calculer et de ne nécessiter aucune autre source d’information que celle fournie par les facteurs de risque. Nos résultats montrent que les estimations corrigées pour les erreurs sur les variables diffèrent de façon très significative des estimations par les MCO biaisées. Cette approche a des conséquences directes en économie financière et sur l’attribution de la performance et sur la notion de rentabilité anormale.
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 | 0,014 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».