MétaCan
Menu
Retour à la cohorte
Enregistrement W6940545053 · doi:10.1016/j.irfa.2025.104413

Concentration in mutual fund equity holdings during global economic crises

2025· article· en· W6940545053 sur OpenAlexafffund

Notice bibliographique

RevueInternational Review of Financial Analysis · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycorrhizal Fungi and Plant Interactions
Établissements canadiensBrock University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMutual fundEquity (law)PortfolioExploitBasis pointPrivate equity fundFund of fundsStock (firearms)

Résumé

récupéré en direct d'OpenAlex

This study examines whether portfolio equity concentration at the country, industry, and security levels results in better performance of global mutual funds during periods of significant shocks to the global economy. We document that mutual funds’ equity portfolios are more concentrated across countries and industries during economic crises, and fund managers engage in more active security selection rather than passive benchmark investing. More concentrated equity allocations are associated with higher portfolio returns and appear to be driven by information advantage. Overall, results suggest that mutual fund managers employ information advantage and generate higher risk-adjusted returns with concentrated positions in global markets during times of negative shocks to the global economy. • Mutual funds increase portfolio concentration across countries, industries, and securities during global economic crises. • Greater concentration is associated with higher risk-adjusted returns. • Fund managers allocate more to geographically and culturally proximate markets during crises, generating higher returns. • Concentration benefits are driven by improved stock selection and market-timing, especially during crises. • Fund managers capitalize on global market uncertainty and actively exploit crises to generate higher risk-adjusted returns.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,316
Écart entre enseignants0,295 · 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.

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'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Review of Financial AnalysisMême sujetMycorrhizal Fungi and Plant InteractionsTravaux en français237 207