Portfolio optimization in the light of factor investment: A bibliometric analysis
Notice bibliographique
Résumé
In this study, we attempted to conduct a comprehensive review of the existing and pertinent literature on the topic of factor investment. We performed Scientometric analysis of studies published in reputable finance journals, i.e., The Journal of Portfolio Management, The Financial Analysts Journal, The Journal of Asset Management and others, during the years 2014 to 2023. To obtain the research data for our study, we gathered and examined a collection of 76 bibliographic records sourced from the Web of Science database. This database provided a comprehensive and reliable source of scholarly publications in the field of finance. To analyze the data, we employed Scientometric networks as part of our analytical approach. Scientometric networks allowed us to explore the relationships and connections between different publications, authors, and keywords within the domain of factor investment. To visualize and present the research findings, we utilized the Bibliometrix package for R, a powerful tool specifically designed for bibliometric analysis. This package enabled us to generate insightful visualizations that showcased the key patterns, trends, and interconnections within the literature on factor investment. By employing Scientometric analysis and leveraging the capabilities of the Bibliometrix package, we aimed to provide a comprehensive overview of the existing scholarly research in this field and contribute to the understanding of factor investment.
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 | 0,010 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,087 | 0,131 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».