Notice bibliographique
Résumé
"Investors who trade based on good research are said to be the backbone of stock markets: They conduct research to discover the value of stocks and, through their trading, guide financial prices to reflect true value. What can make their job difficult is that high-speed, short-term traders could use machine learning and other technologies to infer when informed investors are trading. These short-term traders can then buy when informed investors are buying or sell when they are selling, and (in a sense) steal some of their profits. This behaviour could discourage informed investors from trading, thus making prices less informative—which could have wider ramifications for the economy. To assess this possibility, we investigate an 11-year sample of stock trading and study investors we identify as informed in the long term. We ask whether informed investors are healthy and whether they are affected by shorter-term traders. We find, in contrast to some empirical studies, that informed investors have roughly constant trading and profits in the sample. Also, our findings show no sign prices are getting worse, as our metrics of price informativeness are flat. This is despite a slow growth (though later, a fall) in the presence of shorter-term trading. Moreover, informed investors are sophisticated in how they trade, which might disguise their presence in markets from a detection algorithm. In general, rather than being the “prey” in financial markets, informed traders appear to be the “apex predators.” They seem to be so good at their trading that (as far as we can measure) relatively little of what they know makes it into prices. Thus, it is unclear that efforts to protect informed investors from high-speed traders are really needed. Instead, regulators might think of ways to increase competition in the financial sector among informed investors themselves."
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 | 0,002 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».