SURVIVORSHIP BIAS E PERFORMANCE NEI FONDI COMUNI AZIONARI ITALIANI
Notice bibliographique
Résumé
Il tema del survivorship bias nelle stime della performance dei fondi comuni di investimento é stato da lungo tempo oggetto di studio da parte della comunità dei ricercatori nel mondo finanziario. Dopo un iniziale focus sul mercato azionario americano, sul quale si è arrivati ad una definizione abbastanza puntuale delle problematiche connesse alla presenza di questa distorsione nei campioni, questo genere di studio è stato progressivamente esteso ai mercati finanziari sviluppati: Canada, Regno Unito, Francia, ecc. pervenendo in sostanza ad ulteriori conferme della rilevanza del tema. Sebbene si trovino in letteratura articoli incentrati sulla performance dei fondi comuni di investimento, nessuno di questi affronta direttamente il problema del survivorship bias, rilegandolo a fenomeno marginale e per questo trascurato. In verità, a partire dall'introduzione della moneta unica, e dell'apertura del mercato italiano dei fondi comuni di investimento ai competitor internazionali, il settore ha visto, differentemente dal passato, una vivace attività di fusioni e di acquisizioni di società di gestione del risparmio, nonché un notevole incremento del livello di concorrenza nel sistema. Sulla base di questi cambiamenti nel mercato finanziario italiano, in questa tesi si presentano i risultati ottenuti nello studio del fenomeno del survivorship bias nei fondi comuni azionari italiani nel periodo 1999-2006.
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 | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
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 ».