Bibliographic record
Abstract
A l'aide de données sur la consommation des ménages et d'équations d'Euler, cet article estime le taux d'aversion au risque relatif. Ces équations d'Euler sont les implications de structures de marché qui ne permettent pas toujours aux agents de s'assurer parfaitement. Cet article porte plus particulièrement sur des tests de l'équation d'Euler inconditionnelle. Dans le cadre d'un agent représentatif, ce type de test mène aux rejets les plus intuitivement convaincants des modèles d'évaluation d'actifs, comme l'énigme de la prime de risque et l'énigme du taux sans risque. Lorsque l'on ignore les erreurs de mesure de la consommation, les erreurs de l'équation d'Euler ne sont pas statistiquement différents de zéro pour les valeurs du taux d'aversion au risque relatif comprises entre 1 et 3. Lorsque l'on tient compte de la présence des erreurs de mesure, les estimations conservatrices du taux d'aversion au risque relatif pour les participants à un marché d'actifs indiquent une valeur entre 2 et 8. Ces résultats suggèrent que le taux d'aversion au risque pourrait être plus bas que ce qui est couramment perçu. Par conséquent, l'imperfection des marchés pourrait servir à résoudre les énigmes d'évaluation d'actifs.
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 | 0.007 | 0.034 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".