Opening the black boxes: financial algorithms and multi-paradigmatic research in information technology
Notice bibliographique
Résumé
Purpose This paper aims to contribute to recent debates about financial knowledge by opening the black box of its algorithmization to understand how information systems can address the major challenges related to interactions between algorithmic trading and financial markets. Design/methodology/approach The paper analyses financial algorithms in three steps. First, the authors introduce the phenomenon of flash crash; second, the authors conduct an epistemological analysis of algorithmization and identify three epistemological regimes – epistemic, operational and authority – which differ in terms of how they deal with financial information. Third, the authors demonstrate that a flash crash emerges when there is a disconnection between these three regimes. Findings The authors open the black box of financial algorithms to understand why flash crashes occur and how information technology research can address the problem. A flash crash is a very rapid and deep fall in security prices in a very short time due to an algorithmic misunderstanding of the market. Thus, the authors investigate the problem and propose an interdisciplinary approach to clarify the scope of algorithmization of financial markets. Originality/value To manage the misalignment of information and potential disconnection between the three regimes, the authors suggest that information technology can embrace the complexity of the algorithmization of financial knowledge by diversifying its implementation through the development of a multi-sensorial platform. The authors propose sonification as a new mechanism for capturing and understanding financial information. This approach is then presented as a new research area that can contribute to the way financial innovations interact with information technology.
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 | 0,017 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,040 |
| Communication savante | 0,012 | 0,027 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».