La gestion du risque fiduciaire : le maillon manquant entre éthique et finance
Bibliographic record
Abstract
Résumé La préservation de la confiance des investisseurs est fondamentale pour le maintien et le développement des marchés financiers. Le but de cet article est d’expliquer le rôle et l’importance de la gestion du risque fiduciaire dans le respect de valeurs éthiques en finance. La démonstration est faite par l’analyse des dérapages liés aux nombreux conflits d’intérêts qui ont miné les relations fiduciaires aussi bien entre intermédiaires de marché et clients qu’entre dirigeants initiés et actionnaires. Ces relations impliquent un mandataire qui agit pour le compte de tiers dans la gestion, l’intermédiation, l’administration ou la supervision d’actifs. Le respect des règles de bonne conduite éthique est une condition essentielle pour permettre à ce mandataire de bien accomplir son devoir face à son client ou à son investisseur. Le risque d’exécution non éthique est un risque fiduciaire qui exerce un impact important sur la gouvernance et la performance financière d’une entreprise ou d’un portefeuille ainsi que sur l’efficience même du marché des capitaux. Ce risque doit être géré au même titre que les risques opérationnels, sociaux et environnementaux car il fait partie des risques de gouvernance. La mesure de ce risque éthique constitue un outil de notation qui devrait être disponible pour l’investisseur d’une société ou pour le client d’un intermédiaire financier. C’est dans ce contexte de responsabilité que s’inscrit la nouvelle réglementation basée sur des principes directeurs.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.009 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".