Financial Literacy, Financial Resilience and Participation in Securities Markets: Evidence from Portugal
Notice bibliographique
Résumé
Using a unique multi-wave dataset from nationally representative surveys in Portugal (2015, 2020, and 2023), this study extends the household finance literature by examining the mechanisms linking financial literacy to capital market participation. We propose and test a moderated mediation framework, arguing that the relationship is channeled through the mediating roles of financial resilience and self-efficacy and is contingent upon sociodemographic moderators. Our findings reveal a decline in average financial knowledge between 2015 and 2020/23, with persistent gaps across socioeconomic groups. Empirical results from count, logit, and ordered logit models provide strong evidence for partial mediation; financial literacy significantly enhances a household’s financial resilience, which in turn is a strong positive predictor of participation in stocks, bonds, and mutual funds. Furthermore, we find that perceived financial knowledge is a more powerful direct driver of participation than objective knowledge. Crucially, these pathways are powerfully moderated by income and education, highlighting that socioeconomic status is a fundamental boundary condition for converting knowledge into investment behavior. The results challenge simplistic direct-effects models and suggest that policy initiatives aimed at boosting market participation, such as the Portuguese National Plan for Financial Education, must look beyond knowledge dissemination to also foster financial resilience, self-efficacy, and address structural inequalities.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».