MétaCan
Menu
Retour à la cohorte
Enregistrement W3099227813 · doi:10.3982/ecta17038

Dynamic Noisy Rational Expectations Equilibrium With Insider Information

2020· article· en· W3099227813 sur OpenAlexaff
Jérôme Detemple, Marcel Rindisbacher, Scott Robertson

Notice bibliographique

RevueEconometrica · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueStochastic processes and financial applications
Établissements canadiensQuest University Canada
Organismes subventionnairesNational Science Foundation
Mots-clésEconomicsRational expectationsInformation asymmetryAsset (computer security)Private information retrievalInsider tradingInsiderMicroeconomicsMathematical economicsEconometricsCapital asset pricing modelBounded functionFinancial economicsComputer scienceFinanceMathematics

Résumé

récupéré en direct d'OpenAlex

We study equilibria in multi‐asset and multi‐agent continuous‐time economies with asymmetric information and bounded rational noise traders. We establish the existence of two equilibria. First, a full communication equilibrium where the informed agents' signal is disclosed to the market and static policies are optimal. Second, a partial communication equilibrium where the signal disclosed is affine in the informed and noise traders' signals, and dynamic policies are optimal. Here, information asymmetry creates demand for two public funds, as well as a dark pool where private information trades can be implemented. Markets are endogenously complete and equilibrium returns have a three factor structure with stochastic factors and loadings. Results are valid for constant absolute risk averse investors, general vector diffusions for fundamentals, nonlinear terminal payoffs, and non‐Gaussian noise trading. Asset price dynamics and public information flows are endogenous, and rational expectations equilibria are special cases of the general results.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,020
Tête enseignante GPT0,203
Écart entre enseignants0,183 · 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'étudeThéorique ou conceptuel
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconometricaMême sujetStochastic processes and financial applicationsTravaux en français237 207