MétaCan
Menu
Retour à la cohorte
Enregistrement W3121708719

Open outcry versus electronic trading: tests of market efficiency on crude palm oil futures

2015· preprint· en· W3121708719 sur OpenAlexaff
Stuart Snaith, Neil Kellard, Norzalina Ahmad

Notice bibliographique

RevueOpen Access at Essex (University of Essex) · 2015
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésOpen outcryFutures contractElectronic tradingPrice discoveryAlgorithmic tradingAlternative trading systemVolatility (finance)Financial economicsHigh-frequency tradingFutures marketPairs tradeEconomicsBusinessMonetary economicsEconometricsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Given the widespread transfer of trading to electronic platforms it is important to ask whether such trading is more efficient than traditional open outcry. To empirically assess this we examine the Crude Palm Oil market from 1995:06 to 2008:07 - a market where all trading swapped over from open outcry to electronic trading at the end of 2001. Results indicate that both forms of trading are long-run efficient but that short-run inefficiencies do exist. Our main findings, derived from the application of a novel threshold autoregressive relative efficiency measure, is that market efficiency is conditional on (i) the volatility of the underlying asset (ii) the maturity of the futures contract and (iii) the market trading system. Specifically, bootstrap results from the efficiency measure suggest that the open outcry trading method is superior for shorter maturities when volatility is high, and indistinguishable from electronic trading when volatility is low or maturity is long. These results suggest that electronic trading should not supersede open outcry, but rather that there are clear benefits to their coexistence.

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)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,047
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,098
Tête enseignante GPT0,320
Écart entre enseignants0,222 · 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'étudeObservationnel
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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Access at Essex (University of Essex)Même sujetMarket Dynamics and VolatilityTravaux en français237 207