Notice bibliographique
Résumé
(LSIFs) are a special investment vehicle for Canadian retail investors. Aside from being eligible as RRSP contribu- tions, a unique benefit of investing in LSIFs is the 30% tax credit investors receive for their investment in these funds. Given this unique benefit, the LSIF industry has had little trouble attracting investors, and total assets under management in these funds have grown rapidly since they were first introduced in the 1980s. However, as shown in Table 1, these funds have underperformed other investments available to Canadian investors. 2 Why have these funds performed so poorly? What are the key elements in the organization of these funds that may have contributed to such poor performance? This paper argues that fund manager compensation in LSIFs creates a gap between the interests of investors and managers. This misalignment may have played a critical role in managers' investment decisions and subsequent fund per- formance. The relative poor performance of LSIFs may be a function of several key elements in manager compensa- tion. First, the average management expense ratio (MER) for LSIFs is considerably higher than for other investment funds (see Table 1). Unlike mutual funds, the stated management fees of LSIFs may not cover all fees charged by fund managers. 3 Second, the investment so their investment horizon is effectively eight years or longer. In contrast, managers of LSIFs have a much shorter investment horizon since their performance and fees are evaluated annually or more frequently. In addi- tion, incentive fees are structured as if the fund man- agers are granted a reload option on the fund's assets. Once the fund's performance exceeds the target return during an evaluation period, the manager exercises the option and collects the incentive fee. The option is immediately reloaded and exercisable in the next eval- uation period. Fourth, incentive fees charged by most LSIFs are asset-based, whereas investors derive their returns from the performance of the entire portfolio. Finally, unrealized investment gains are frequently used in the evaluation of fund performance. Flat manage- ment fees are based on the fund's net asset value (NAV), which is a function of unrealized gains. Most LSIFs also use unrealized gains to determine whether or not incentive fees are earned or the amount of incentive fees to be charged. Using a Monte Carlo simulation model, we assess the total fees charged by a typical LSIF in excess of the
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,288 | 0,079 |
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 ».