MétaCan
Menu
Retour à la cohorte
Enregistrement W2601609073 · doi:10.1146/annurev-financial-110716-032355

Information Disclosure in Financial Markets

2017· article· en· W2601609073 sur OpenAlexaff
Itay Goldstein, Liyan Yang

Notice bibliographique

RevueAnnual Review of Financial Economics · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCONTESTFinancial marketBusinessInvestment (military)Quality (philosophy)Capital marketPrivate information retrievalProduction (economics)Investment decisionsWelfareFinancial instrumentInformation asymmetryVoluntary disclosureFinanceEconomicsMicroeconomicsMarket economy

Résumé

récupéré en direct d'OpenAlex

Information disclosure is an essential component of regulation in financial markets. In this article, we provide a cohesive analytical framework to review certain key channels through which disclosure in financial markets affects market quality, information production, efficiency of real investment decisions, and traders’ welfare. We use our framework to address four main aspects. First, we demonstrate the conventional wisdom that disclosure improves market quality in an economy with exogenous information. Second, we illustrate that disclosure can crowd out the production of private information and that its overall market-quality implications are subtle and depend on the specification of information-acquisition technology. Third, we review how disclosure affects the efficiency of real investment decisions when financial markets are not just a side show, as real decision makers can learn information from them to guide their decisions. Last, we discuss how disclosure in financial markets affects investors’ welfare through changing trading opportunities and through beauty-contest motives. Overall, our review suggests that information disclosure is an important factor for understanding the functioning of financial markets and that there are several trade-offs that should be considered in determining its optimal level.

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)0,008
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,005
Communication savante0,0060,008
Science ouverte0,0010,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,015
Tête enseignante GPT0,232
Écart entre enseignants0,217 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations418
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Financial EconomicsMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207