Notice bibliographique
Résumé
In the first chapter, our empirical tests use data from three sources. First, we obtain the Loughran and McDonald’s (hereafter LM wordlist) positive/negative wordlist and from the authors’ website. Second, we obtain the monthly Fama and French (1993 and 2015) factors (i.e. SMB, HML, Rm-Rf, CMA, and RMW) and momentum factor (MOM) from Kenneth French’s website for the sample period January 1994 through December 2016. Third, we obtain the monthly stock returns, monthly index returns, month end market value from the Center for Research in Security Prices (CRSP) as well as accounting information such as annual bookI the second chapter, we utilize five main datasets in this study. The first dataset is the stock market transaction level data for S&P 500 stocks, obtained from Trades and Quote (TAQ). The second dataset is the corporate bond transaction data from Trade Reporting and Compliance Engine (TRACE) through Wharton Research Data Services (WRDS) for the S&P 500 firms. The TRACE data provides over the counter (OTC) corporate bond market real-time prices.To examine the price discovery of bonds in equity prices we use a sample period of over 1,000 trading days from January 2004 through December 2008.Our third data source is the institutional level transaction data from ANcerno, which provides transactional level trade data for corporate bonds and stocks for the first quarter of 2006 through the third quarter of 2010. Several studies have used equity transaction dataset to examine the ANcerno institutional trading behavior. See for example Puckett and Yan (2011), Bethel, Hu and Wang (2009), Chemmanur, He and Hu (2009), Goldstein, Irvine, Kandel and Wiener (2009). Additionally, Hu, Jo, Wang and Xie (2018) provide a comprehensive review of ANcerno dataset. The fourth source of data comes from Mergent Fixed Income Security Database (FISD), which provides details of bond characteristics and credit ratings from standard and poor’s (S&P) and Moody’s. Finally, we obtain the daily stock returns data from center for security prices (CRSP) database and match it with the daily bond returns to examine the lead-lag relationships.<br>
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
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 ».