MétaCan
Menu
Retour à la cohorte
Enregistrement W4230956646 · doi:10.32920/14660739

Performance of Auto-Callable Reverse Convertibles, Information Disclosure Prescribed by Regulation S-K Change in 2013 Under U.S. Security Act: an Empirical Study

2021· preprint· en· W4230956646 sur OpenAlexaff
Cheuk Lim Lai

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueImpact of AI and Big Data on Business and Society
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésIssuerCallable bondBusinessSample (material)Product (mathematics)Abnormal returnActuarial scienceMonetary economicsAccountingEconomicsFinanceInterest rate

Résumé

récupéré en direct d'OpenAlex

This thesis studies the effect of the estimated value disclosure imposed in 2013 on the realized return of the auto-callable reverse convertibles (ACRCs) in the U.S. retail market. The sample of this study consists of about 3,700 issues of ACRCs during the period from 2011 to 2015, which is collected from the Edgar database of the U.S. Security and Exchange Committee (www.sec.gov). The comparison between product realized return and the return of underlying assets reveals that the ACRCs are underperformed by 5% on average, while further analysis shows that the return difference was broadened after the disclosure regulation. It is found that the statistical attributes of the underlying assets are critical to the product performance while they are hidden by the issuer of ACRCs. The disclosure regulation is presumed to enhance information disclosure and to further protect the investors, but the deteriorated performance of ACRCs indicates a failure of the regulation. To protect the anonymity and confidentiality, the identity of the issuer of ACRCs in our sample is removed without compromising the validity of our research. The original data is available upon request.

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)0,004
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,009
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
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 Opus0,131
Tête enseignante GPT0,387
Écart entre enseignants0,256 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetImpact of AI and Big Data on Business and SocietyTravaux en français237 207