Cultural dimensions, investment strategies and economic freedom : international evidence
Bibliographic record
Abstract
Dimensions Culturelles, Stratégies d'Investissement et Liberté Economique : preuves Internationales La culture, c’est-à-dire nos valeurs, normes, convictions et comportements attendus, a une influence importante sur le comportement social des individus. Cette thèse porte sur l'effet de la culture sur les comportements financiers. Plus spécifiquement, il est examiné si différentes dimensions de la culture, telles que la distance par rapport au pouvoir, l'individualisme, l'évitement de l'incertitude, la masculinité et l'orientation à long terme ont un impact sur la performance des portefeuilles utilisant le « style investing » (momentum, valeur et croissance) pour un échantillon de marchés financiers dans différents pays (Australie, Brésil, Canada, Allemagne, Inde, Japon, Royaume-Uni). Les résultats de l'analyse de régression multivariée, de l'analyse en composantes principales, de l’approche VAR en donnée de panel et de l'analyse de décomposition de la variance indiquent que la performance du portefeuille est liée aux dimensions culturelles; L’individualisme, l’orientation à long terme et la masculinité semblent avoir un impact positif significatif, alors que la distance par rapport au pouvoir et l’évitement de l’incertitude ont une influence négative. De plus, motivés par des recherches récentes qui documentent une relation entre facteurs sociaux et droits économiques des individus, nous examinons également dans cette thèse la relation entre la culture et le niveau de liberté économique au sein de la structure institutionnelle d’un pays. Nos résultats montrent que la culture d'un pays est liée au niveau de liberté économique dont jouissent ses habitants. En outre, cette relation ne semble pas se limiter à une région géographique donnée, mais peut être identifiée partout dans le monde
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 | 0.005 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".