MétaCan
Menu
← Retour à la cohorte
Enregistrement W2136387032

A Comparison of China Main Board and Growth Enterprise Market Board - Market Microstructure Approach

2013· article· en· W2136387032 sur OpenAlexaff
William Cheung, Kejing Liu

Notice bibliographique

RevueSSRN Electronic Journal · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensinVentiv Health Clinical
Organismes subventionnairesnon disponible
Mots-clésBusinessListing (finance)Market microstructureInformation asymmetryDatabase transactionChinaOn boardCurrency boardAccountingFinanceOrder (exchange)Exchange rate
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We compare the market quality of the newly established, second board of the China stock market, the Growth Enterprise Market (GEM) with the Main board, and examine its impact on the Main board from the market microstructure perspective. Using the newly available transaction level data, several findings emerge. First trading activities of the Main board stocks increases after the introduction of GEM Board, suggesting the establishment of GEM is not at the expense of the Main board but instead enhance the overall trading activities in China. Pricing error variances are not different in the two Boards while GEM stocks have larger adverse selection cost component of bid-ask spread and higher probability of information-based trading which indicate a larger information asymmetry among traders on average in GEM stocks than those in the Main board. Interestingly we find that the 15 minute returns of Main Board stocks strongly lead that of GEM stocks but the GEM board only weakly leads Main Board, evidencing information transmission from the Main board to the GEM. Overall our findings suggest that the market quality of the GEM is of sufficiently good to provide an important, alternative listing venue for high potential firms in China.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,204
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic Journal→Même sujetFinancial Markets and Investment Strategies→Travaux en français237 207→