Bibliographic record
Abstract
Dans le cadre de mon travail de Bachelor, je vais tenter de déterminer les raisons et conséquences des importantes fusions actuelles entre bourses historiques mondiales. Les bourses, représentées par leurs différents indices, représentent le niveau actuel de l’économie des pays par le biais des nombreuses sociétés y étant cotées. Le regroupement des activités entre bourses traditionnelles s’est dessiné avec pour objectif de contrer la nouvelle concurrence, apparue suite à la nouvelle directive sur les marchés financiers (MIFID), autorisant les institutions financières comme les banques à développer leurs propres systèmes de plates-formes d’échanges à travers le globe. Suite à la directive, des centaines de nouvelles places d’échanges ont vu naissance, diminuant fortement les quasi-monopoles des bourses classiques. L’évolution de la technologie informatique ainsi qu’un positionnement de coûts divers réduits pour les investisseurs, a permis aux nouveaux concurrents évoluant dans moins de transparence, de grappiller de nombreuses parts de marchés aux bourses traditionnelles. Durant le courant de cette année, de nombreux groupes boursiers ont tenté de fusionner afin de regrouper leurs activités pour faire face à la nouvelle concurrence. Les stratégies de diversification ou de spécialisation des activités s’avèrent décisives pour la croissance des groupes boursiers. En effet, des projets entre Singapour et Sydney, Londres et Toronto, ainsi que New York et Francfort pour ne citer que les plus importants accords possibles, ont vu naissance et font lieu d’une analyse approfondie dans la suite de mon rapport. De nombreuses questions se posent quant aux raisons des regroupements actuels de plusieurs groupes boursiers, ainsi que les conséquences probables pour le marché financier et ses acteurs. Il en résulte que la période actuelle d’acquisition-fusion entre grands acteurs boursiers est loin d’être finie et s’intensifiera durant ces prochaines années étant donné les pressions économiques actuelles. Les entités boursières tendent à se regrouper dans un but d’etendre leurs activités, leurs parts de marchés et de diminuer leurs coûts. Il est vrai que de s’allier avec un partenaire stratégique dans cette actuelle dernière décennie de fusion semble quasi-nécessaire, malgré les difficultés à obtenir par la suite les accords des actionnaires et surtout des autorités des pays concernés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.013 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.035 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".