Determinantes que intervienen en el desarrollo del mercado de valores: Perú y una muestra de países (2005-2019)
Notice bibliographique
Résumé
La presente tesis tiene como objetivo principal identificar los determinantes que intervienen en el desarrollo del mercado de valores: Perú y una muestra de países (2005-2019). La muestra proviene de las bases de datos del Banco Mundial, World Economic Forum (WEF), la Superintendencia del Mercado de Valores (SMV), la Bolsa de Valores de Lima (BVL), Polity IV, Datamarket y The Economist Intelligence Unit, donde se aplica el modelo del análisis factorial para 19 variables de 25 economías con una frecuencia anual en el periodo 2005-2019. \nCon la aplicación del análisis factorial la muestra de 19 variables se redujo a solo 5 factores o componentes que son: (1) Desarrollo del mercado de bancario; (2) Institucionalidad; (3) Desarrollo del mercado de valores; (4) Apertura y (5) Protección al inversionista. Estos 5 factores óptimos explican el 77.39% del total de la varianza del modelo de las 19 variables con una adecuación de 0.737 mediante la prueba muestral KMO y esfericidad de Bartlett. \nPerú mostró un nivel bajo en desarrollo financiero y mercado de valores, en comparación a países latinoamericanos y al resto de la muestra. Además, se confirmó mediante estudios previos y el presente trabajo: países con mejor ambiente institucional y de protección al inversionista, y con mayor apertura al comercio e inversión extranjera, tienen más posibilidades de desarrollo de sus mercados financieros.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».