MétaCan
Menu
Retour à la cohorte
Enregistrement W2345902932 · doi:10.1163/17087384-12342062

Selected Aspects of the Regulation of Insider Trading and Market Manipulation in the European Union and South Africa

2015· article· en· W2345902932 sur OpenAlexvenueno aff
Howard Chitimira

Notice bibliographique

RevueAfrican Journal of Legal Studies · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSecurities Regulation and Market Practices
Établissements canadiensnon disponible
Organismes subventionnairesNelson Mandela Metropolitan University
Mots-clésEuropean unionInternational tradeEuropean Union lawBusinessInsider tradingEnforcementDirectiveSingle marketInsiderMarket manipulationInternational economicsPolitical scienceLawEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

The increasingly global market has given rise to increased interaction and interdependence among national regulators as well as investors in different jurisdictions. However, this has brought several regulatory problems to the enforcement authorities particularly with regard to the detection, investigation and prosecution of cross-border market abuse activities in many jurisdictions, such as the European Union and South Africa. Consequently, the European Union became the first body to establish multinational market abuse laws in order to enhance the detection and combating of cross-border market abuse practices. The European Union Insider Dealing Directive was subsequently adopted in 1989 and was the first law that harmonised the insider trading ban among the European Union member states. Thereafter, the European Union Directive on Insider Dealing and Market Manipulation was adopted in a bid to increase the combating of all the forms of market abuse in the European Union’s securities and financial markets. Similar anti-market abuse regulatory efforts were also made in South Africa. In light of this, selected regulatory aspects of market abuse in the European Union and South Africa will be briefly and comparatively discussed in tandem. Thereafter, some concluding remarks will be provided.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,327
Score d'incertitude au seuil0,163

Scores Codex et Gemma par catégorie

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

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 Opus0,050
Tête enseignante GPT0,246
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 tête enseignante, 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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Journal of Legal StudiesMême sujetSecurities Regulation and Market PracticesTravaux en français237 207