MétaCan
Menu
Retour à la cohorte
Enregistrement W3121401679

Unusual Trade or Market Manipulation? How Market Abuse Is Detected by Securities Regulators, Trading Venues and Self-Regulatory Organizations

2015· article· en· W3121401679 sur OpenAlexaffabout
Janet Austin

Notice bibliographique

RevueSSRN Electronic Journal · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSecurities Regulation and Market Practices
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésMarket manipulationBusinessInsider tradingCapital marketFinancial marketMarket microstructureAlternative trading systemThird marketInvestment bankingIntermediaryFinanceAlgorithmic tradingOrder (exchange)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Securities regulators protect the integrity of capital markets by detecting, investigating and then prosecuting, insider trading and market manipulation, known collectively as market abuse. The main method of detection of market abuse is surveillance of markets by software designed to identify unusual trading. Such market surveillance is undertaken by trading venues, self-regulatory organizations, and securities regulators. Two other important methods used to detect market abuse are suspicious transaction reports made to regulators by financial intermediaries and voluntary reports to regulators by the public of possible market abuse.This article describes the main methods of detection of market abuse in five jurisdictions which comprise over 50 per cent of the world’s securities markets, namely the USA, Canada, Germany, the UK, and Australia. Furthermore, given the growing internationalization of securities markets, there exists the possibility that many market abuse offences will not be confined to one country and may span two or more jurisdictions. As such regulatory bodies must increasingly work together to exchange information to detect market abuse. This article also examines how such information is exchanged, the challenges in exchanging such information and suggests ways in which this could be improved. In particular, more investment is needed in market surveillance systems to improve both the detection of market abuse and to enable securities regulators to swiftly determine the cause of any market disruption. This will in turn facilitate a more targeted regulatory response to ensure that such a disruption is not repeated.

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)0,009
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,049
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,005
Études des sciences et des technologies0,0030,014
Communication savante0,0160,018
Science ouverte0,0010,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,010
Tête enseignante GPT0,218
Écart entre enseignants0,208 · 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'étudeQualitatif
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

Citations0
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetSecurities Regulation and Market PracticesTravaux en français237 207