MétaCan
Menu
Retour à la cohorte
Enregistrement W7064499351

Cultural Finance : Does culture influence investment preferences in Austria and Canada?

2023· article· en· W7064499351 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversity Library Linz repository (Johannes Kepler Universitat Linz) · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueElectrical and Electromagnetic Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInvestment (military)Context (archaeology)Sample (material)Cultural diversityHofstede's cultural dimensions theoryCultural valuesCross-culturalTest (biology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study delves into the impact of culture on investment preferences in Austria and Canada. By exploring how culture influences important factors in investment decision-making, such as risk, time, and trust preferences, this research sheds light on the significance of the cultural context in finance. Quantitative research methods were employed, utilizing a questionnaire that was administered to a sample of 98 Austrians and 68 Canadians. The analysis of the data involved the use of t-tests to test the stated hypotheses, as well as correlation analysis to uncover additional insights. The findings of the study reveal distinct differences between Canadians and Austrians in terms of their investment behavior. Canadians were found to be more inclined towards risk-taking, exhibit greater patience, and display higher levels of trust compared to their Austrian counterparts. Moreover, the study highlighted that Canadians tend to invest in riskier assets and prefer longer- term investments. By focusing on Austria and Canada, this study contributes to the existing literature by examining the cultural influences of countries that have received less attention in this field. It expands our understanding of how culture shapes investment preferences in diverse cultural contexts. The research findings contribute to our understanding of the differences between these two cultural contexts and offer relevant information for practitioners in the investment industry, aiding them in tailoring their services to better meet the needs and preferences of their clients.

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 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 enseignants0,450
Score d'incertitude au seuil0,910

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,180
Écart entre enseignants0,175 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity Library Linz repository (Johannes Kepler Universitat Linz)Même sujetElectrical and Electromagnetic ResearchTravaux en français237 207