En deskriptiv analyse av prisstrukturen i norske verdipapirfond per 31.12.06
Notice bibliographique
Résumé
Gjennom å jobbe som oppgjørsansvarlig for en uavhengig rådgiver så jeg hvilke kostnader\nverdipapirfond belaster sine investorer og hvordan disse kan påvirke avkastningen i en\nportefølje. Jeg var interessert i å finne ut hvilke faktorer som påvirket fastsettelsen av\nprisstrukturen i norske verdipapirfond.\nPrisstrukturen i verdipapirfond er bygget opp av transaksjonsgebyrer og påvirkes av flere\nforhold. Investeringsstrategien og mandatet til fondet påvirker prisstrukturen i varierende\ngrad. Aktivaklasse er en faktor som påvirker prisstrukturen. Minsteinnskuddet og størrelsen\npå investeringen gir føringer for hvilke prosentsatser forvalteren belaster på gebyrene. I\nutgangspunktet skal det være stordriftsfordeler innen fondsforvaltning, men analysen fant få\neller ingen bevis på at disse påvirket prisstrukturen.\nInvestorene i verdipapirfond er ikke veldig prissensitive. Prisstrukturen på verdipapirfondene\nbestemmer ikke hvor investorene plasserer midlene sine. Dette gjelder for alle typer\nverdipapirfond. Analysen viste at investorene ble noe mer prissensitive når de investerte i\nverdipapirfond med høyere minsteinnskudd.\nEn analyse basert på månedlige avkastningsstall fra Morningsstar sin europeiske database\nviste at fond med høyt forvaltningshonorar hadde et lavere gjennomsnitt på meravkastnigen.\nSamme analyse viste også at mer aktive fond, målt på tracking error, ikke hadde et høyere\nforvaltningshonorar\nUtredningen konkluderer med at det er vanskelig å finne faktorer som påvirker prisstrukturen\ni alle verdipapirfond. Analysen tyder på at prisstrukturene bestemmes mer av subjektive\nprosesser internt hos forvalterne og at prisstrukturen i norske verdipapirfond vanskelig kan\nforklares ved bruk av teori.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».