Notice bibliographique
Résumé
Purpose The aim of this paper is to explore the lessons offered by the financial crisis about the appropriate epistemological approaches to apply in the study of human affairs in general, and of the financial markets in particular. Design/methodology/approach The paper applies a qualitative and historical approach invoking debates in the philosophy of social science to dominant themes and concepts in modern quantitative finance. It is argued that underlying the theory and practice of modern quantitative finance is a commitment to an empiricist epistemology modeled on the natural sciences. Findings In the financial crisis, modern social science, with its positivist/quantitative orientation, was put to the test in a way that it had never been before. That it failed this test is one of the chief lessons of the financial crisis. Mathematical techniques are inherently incapable of accounting for human behaviour. The crisis serves to underline that a fundamental divide exists between the natural and human realms. Practical implications While the mathematical‐positivist techniques continue to hold some promise in the study of finance, it has become obvious that this dominant approach needs be enhanced by more qualitative techniques. Originality/value The paper shows that although in popular media outlets the mathematization of finance has been singled out as a cause of the crisis, the broader implications for the analysis of human activity have not yet been probed. Nor, in the wake of the crisis, has there been a systematic, philosophically informed, critique of the positivist‐quantitative orientation buttressing academic research into the financial markets.
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 | 0,031 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,079 |
| Communication savante | 0,008 | 0,014 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».