Notice bibliographique
Résumé
The current market for proxy advice arises out of an agency problem, but not the one usually assumed. Investment fund managers have relatively few economic incentives to invest effort on corporate governance and so they tend to organize around picking the best stocks and trading those stocks at the optimal time. This creates a market for third party proxy advisors, but both investment managers and proxy firms bear few of the costs of poor governance and operate under incentives to keep proxy advice as inexpensive as possible.Empirical evidence drawn from the academic studies performed on this market, along with trends revealed by submissions to the SEC and CSA, show significant problems with the content of proxy advice (including mistakes in what produces good corporate governance and frequent errors in voting recommendations) along with problems in the process by which the advice is delivered (including insufficient information for advisors to comply with their own voting guidelines, conflicts of interest, opacity, and an apparent inability to correct errors.)The case for regulatory intervention in the market for proxy advice can be stated quite simply: (1) there is empirical evidence of significant, repeated informational failures produced by the market for third party proxy voting advice; (2) there is evidence these failures arise systemically as a logical consequence of the conflicts of interest of the agents that make up the market; and (3) there is evidence of significant externalities in the market for proxy advice, suggesting the value of good proxy advice is not captured by the agents that participate in the market and that high-quality advice is therefore underproduced. This is precisely the type of market failure securities regulation is designed to fix. The paper concludes by recommending the modest application of traditional disclosure tools to the market for proxy advice.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».