QUELLE CONVERGENCE POUR LES PRIMES DE RISQUE SUR LES MARCHÉS BOURSIERS? UNE ANALYSE SUR DES DONNéES INTERNATIONALES DE 1984 À 2007
Bibliographic record
Abstract
L’objet de cet article est d’étudier empiriquement la convergence internationale des marchés des actions, à partir de l’analyse temporelle des primes de risqueex postet, d’identifier dans quelle mesure les composantes des primes permettent d’expliquer ce mouvement de convergence observé sur 11 marchés boursiers durant la période 1984-2007. Pour ce faire, a été développée une approche originale combinant une analyse de la convergence des primes par le biais d’un modèle à coefficients variables et une analyse multidimensionnelle sur données évolutives des composantes des primes de risque. La première méthode permet d’identifier un phénomène de convergence internationale des primes de risque des actions vers le marché américain. Cependant, le processus n’est pas achevé et semble même interrompu pour la plupart des pays européens depuis le milieu des années 1990. En outre, la convergence européenne des primes est clairement établie entre cinq pays européens (Allemagne, Belgique, France, Italie et Pays-Bas). La seconde méthode met en exergue de fortes similitudes entre les marchés des actions européen, canadien et américain, alors que les marchés allemand et suisse se rapprochent davantage du marché japonais.
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 | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.010 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".