MétaCan
Menu
Retour à la cohorte
Enregistrement W4383888156 · doi:10.1111/joes.12577

Segmentation of the Chinese stock market: A review

2023· review· en· W4383888156 sur OpenAlexaff
Zhe Peng, Kainan Xiong, Ya-Hui Yang

Notice bibliographique

RevueJournal of Economic Surveys · 2023
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensWilfrid Laurier UniversityUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésShares outstandingShareholderProfitability indexBusinessMarket capitalizationStock marketMarket segmentationEconomicsCorporate governanceCurrencyLeveraged buyoutMonetary economicsFinancial economicsFinanceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract The Chinese stock market has a threefold segmented structure. Firstly, there is a division between floatable and nonfloatable shares, known as the split‐share structure. Before 2005, more than two‐thirds of the shares outstanding were nonfloatable. This structure limited shareholders’ ability to exercise governance rights through stock trading. While largely dismantled by the 2005 reform, the split‐share structure has not been fully eliminated. Secondly, floatable shares can be issued in multiple currencies. However, shares denominated in the domestic currency often trade at a premium over those denominated in foreign currencies. This premium can be explained by the differences in target investors and the trading restrictions. Thirdly, stocks denominated in the domestic currency are sorted into different market tiers depending on the firms’ profitability and market capitalization. The limited mobility of stocks across different tiers engenders tier‐specific characteristics, such as high family ownership and venture‐capital backing, which have not been sufficiently studied. In this paper, we delineate the three aspects of market segmentation, offer critical comments on the caveats of the extant studies, and propose topics for future research.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,321
Écart entre enseignants0,223 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Economic SurveysMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207