MétaCan
Menu
Retour à la cohorte
Enregistrement W4407206085 · doi:10.5430/ijba.v16n1p1

Small Firm Factor: Riskiness Evaluation Under A High-Frequency Regime

2025· article· en· W4407206085 sur OpenAlexvenueno aff
Rogerio Batista Adelino, Leonardo Fernando Cruz Basso, Eli Hadad

Notice bibliographique

RevueInternational Journal of Business Administration · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBanking, Crisis Management, COVID-19 Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFactor (programming language)Computer scienceBusinessEconometricsEconomicsIndustrial organization

Résumé

récupéré en direct d'OpenAlex

Since the advent of multifactor models, the identification of factors that could lead to abnormal returns and their portfolio implications has been the theme of consistent effort and study. Among these factors, the small-cap factor (SMB factor) is one of crucial importance. This paper provides an innovative approach to the evaluation of the SMB factor taking into consideration the time-series comparison of small and large caps under a high-frequency regime, identifying structural differences in terms of stochasticity and presence of jumps. The empirical results confirm the specificity of small caps, understood therefore as a diversifying asset class. Additionally, results fail to confirm abnormal returns in the sample, indicating that factor momentum shall be considered. Moreover, the paper demonstrates a framework for high-frequency statistics usage in investment evaluation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,905
Score d'incertitude au seuil0,610

Scores Codex et Gemma par catégorie

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

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 Opus0,059
Tête enseignante GPT0,317
Écart entre enseignants0,258 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetBanking, Crisis Management, COVID-19 ImpactTravaux en français237 207