Cryptocurrency investment: A safe venture or a new type of gambling?
Notice bibliographique
Résumé
Investment behaviour and gambling overlap from time to time. It is stated that there is a spectrum between gambling and investment behaviour, and there are “speculative” investment tools in the middle of the spectrum. Considering that it presents a higher risk because of its high volatility compared to traditional investment instruments, trading cryptocurrencies can become pathological and gambling-like. This study aims to investigate the pathological trading behaviour and frequency among cryptocurrency investors, to investigate additional gambling disorders, and to investigate the relationship between cryptocurrency investment behaviour and impulsivity. An online questionnaire was created to investigate these issues. In the questionnaire, the Pathological Trading Scale, the South Oaks Gambling Screen Test and the Barratt Impulsivity Scale were all used. A total of three hundred persons were evaluated. We found that total pathological traders were 48.7% of all traders, impulsivity in 18–25 age group was higher, high-frequency traders were more pathological, and their impulsivity was higher; also margin traders and day traders show more pathological behaviour. It seems that an important part of cryptocurrency traders may be pathological, and certain of them may have cryptocurrency addiction, which can be evaluated as a subtype of gambling disorder.Résumé Le comportement de l’investisseur et celui du joueur se chevauchent de temps à autre. On dit qu’il existe un spectre entre ces deux comportements, au milieu duquel se trouvent des outils d’investissement « spéculatif ». Compte tenu de leur risque plus élevé dû à leur plus grande volatilité par rapport aux instruments d’investissement traditionnels, les échanges de cryptomonnaies peuvent devenir pathologiques et s’apparenter aux jeux de hasard. Cette étude vise à analyser le comportement des investisseurs de cryptomonnaies et la fréquence de leurs opérations afin d’examiner d’autres troubles liés à la pratique des jeux de hasard et la relation entre le comportement des investisseurs de cryptomonnaies et l’impulsivité. Un questionnaire en ligne a été créé à cette fin et la Pathological Trading Scale, le South Oaks Gambling Screen Test et la Barratt Impulsivity Scale y étaient utilisés. En tout, 300 personnes ont été évaluées. Nous avons constaté que les joueurs pathologiques représentaient 48,7% de tous les spéculateurs, que l’impulsivité dans le groupe des personnes de 18 à 25 ans était plus élevée, et que les spéculateurs qui effectuaient des transactions plus souvent étaient plus pathologiques et faisaient preuve d’une plus grande impulsivité; de plus, les spéculateurs sur marge et les spéculateurs sur séance affichaient un comportement plus pathologique. Il semble qu’une proportion importante des spéculateurs de cryptomonnaies peuvent être pathologiques, et que certains d’entre eux peuvent être dépendants à l’égard des cryptomonnaies, ce qui peut être évalué comme un sous-type de jeu compulsif.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».