Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper focuses on comparing reproducible methodologies to map an investor risk profile into portfolios, products, and solutions in a suitable manner. This study is premised on the assumption that financial advisors have access to valid measures of an individual’s tolerance to take investment risk or aggregate investor risk profile, and measures of the riskiness of products and portfolios of products. We compared three methodologies from the academic literature or regulators against investment alternatives we constructed. The alternatives were a range of 14 efficient portfolios using long-term indices in the United States, Canada, the United Kingdom, and Australia. Seven were based on an equal distribution of risk (i.e., the standard deviation increased equally between the seven portfolios), and seven portfolios where the percentage return of each portfolio increased by the same amount between each portfolio. The portfolios distributed by risk were discarded in favour of those distributed by return, and these were then mapped to determine the risk level of the investor they were considered suitable for based on the three methodologies. It was determined that (a) behavioural expectation and exposure to equities is a valid heuristic but insufficient to scale to the wide variety of portfolios and products, use of leverage, and other factors in the marketplace; (b) rolling standard deviation measures can lead to significantly understated assessments of risk in some periods; and (c) the VaR calculation is recognized in multiple sources as the preferred methodology to align investor concerns of drop in the value of their portfolio to the actual products, but like standard deviation, it is highly impacted by the period utilized. After altering two methodologies (i.e., MIFiD-II and RiskCAT) based on altered duration of data and scaling, respectively, we found that the four methodologies tested agreed with less than one risk band variance and an average correlation of 0.95 to 0.97.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,025 |
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 découle