La précision des analystes financiers en Europe : l’effet pays et l’effet secteur revisités
Notice bibliographique
Résumé
Nous analysons les erreurs de prévision commises par les analystes financiers pour 13 pays européens sur la période 1990-2006. Afin de mettre en évidence les effets pays, industries et ceux spécifiques à la firme comme sources de variation des erreurs de précision, nous adaptons une méthode développée par Heston et Rouwenhorst (1994) pour étudier la décomposition de la variance des rendements boursiers. Nous estimons chaque effet à l’aide d’une régression avec des variables muettes, puis nous décomposons la variance en mettant en évidence la contribution de chaque effet. Nos résultats révèlent que les différences entre les pays, secteurs industriels ou nombre d’analystes offrent une faible explication aux erreurs de prévision. Par contre, notre analyse dynamique montre clairement que l’effet pays domine de façon continue l’effet industrie et le nombre d’analystes sur les marchés financiers européens jusqu'en 2004 où un retournement de tendance est observé. Lorsque le biais de prévision est étudié, l'ordonnancement est inversé dès 1997. Par contraste, le type de bénéfice – profits ou pertes – et la variation des bénéfices – augmentation ou diminution – jouent un rôle très significatif dans la performance des analystes financiers.
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 | 0,019 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».