Notice bibliographique
Résumé
A l'aide de données sur la consommation des ménages et d'équations d'Euler, cet article estime le taux d'aversion au risque relatif. Ces équations d'Euler sont les implications de structures de marché qui ne permettent pas toujours aux agents de s'assurer parfaitement. Cet article porte plus particulièrement sur des tests de l'équation d'Euler inconditionnelle. Dans le cadre d'un agent représentatif, ce type de test mène aux rejets les plus intuitivement convaincants des modèles d'évaluation d'actifs, comme l'énigme de la prime de risque et l'énigme du taux sans risque. Lorsque l'on ignore les erreurs de mesure de la consommation, les erreurs de l'équation d'Euler ne sont pas statistiquement différents de zéro pour les valeurs du taux d'aversion au risque relatif comprises entre 1 et 3. Lorsque l'on tient compte de la présence des erreurs de mesure, les estimations conservatrices du taux d'aversion au risque relatif pour les participants à un marché d'actifs indiquent une valeur entre 2 et 8. Ces résultats suggèrent que le taux d'aversion au risque pourrait être plus bas que ce qui est couramment perçu. Par conséquent, l'imperfection des marchés pourrait servir à résoudre les énigmes d'évaluation d'actifs.
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 | 0,007 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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 ».