Trading is a losing game: An audit of deceptive choice architecture in demo-mode Contract for Difference (CFD) trading apps
Notice bibliographique
Résumé
Mobile-based trading apps have made investing easier than ever before, but thisincludes enabling access to risky investments that many investors may not be able to tradesafely. The UK financial regulator thereby requires Contract for Difference (CFD) tradingapps to make disclosures such as, “89% of retail investor accounts lose money when tradingCFDs with this provider”. However, these disclosures might be counteracted by either theirsuboptimal implementation, or by other aspects of these apps’ deceptive choice architecture.Therefore, the present study audited choice architecture characteristics of demo-modes of the14 most-popular CFD trading apps in the UK. A content analysis found for example that 31.6per cent of risk warnings did not comply with the regulator’s standards, and that only 35.7 percent of apps contained risk warnings within the app’s main tabs. A thematic analysissuggested that apps’ educational resources could instil users with the hope of winning, byemphasising practice, strategies, and psychological mindset – instead of acknowledging luckas the predominant factor underlying CFD trading profitability. Overall, this study added toprevious research highlighting the similarities between certain high-risk investments andgambling, and added to the behavioural public policy literature on deceptive choicearchitecture.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».