Suchergebnisse

Raphael H. Heiberger befasst sich mit den sozialen Einflussfaktoren auf die Preisformierung am Aktienmarkt. Die drei Dimensionen Kultur, Netzwerke und institutionalisierte Regeln werden ökonometrisch operationalisiert und an den gegensätzlichen kapitalistischen Idealtypen Deutschlands und der USA empirisch überprüft. Neben den praktischen Erkenntnissen eines kulturell bedingten Anlagehabitus, traditionsabhängiger Netzwerkstrukturen und der Kurzlebigkeit mancher Handlungsroutinen an den Börsen ist eine generelle soziologische Aufklärung wirtschaftlicher Phänomene das übergeordnete Ziel der Arbeit, indem sie die Komplementarität soziologischer Interpretation und wirtschaftswissenschaftlicher Methodik demonstriert. Der Inhalt Wirtschaft als soziologischer Untersuchungsgegenstand Vergleich der historischen Voraussetzungen finanzwirtschaftlicher Tätigkeiten in Deutschland und den USA Anlagehabitus von Haushalten als signifikanter Einflussfaktor von Börsenkursen Stabilität, Diversifikation und Referenzwerte in amerikanischen und deutschen Aktiennetzwerken Wirkung institutionalisierter Handlungsregeln am Beispiel von Aktienrückkaufprogrammen Die Zielgruppen Dozierende und Studierende der Sozialwissenschaften, Soziologie, Politologie und Ökonomie Beschäftigte der Finanzbranche (z.B. strategische Analyse) und aus finanzwirtschaftlichen öffentlichen Institutionen (z.B. Bundesbank) Der Autor Raphael H. Heiberger ist wissenschaftlicher Mitarbeiter an der Universität Bremen

AbstractApplications of machine learning (ML) in industry and natural sciences yielded some of the most impactful innovations of the last decade (for instance, artificial intelligence, gene prediction or search engines) and changed the everyday-life of many people. From a methodological perspective, we can differentiate between unsupervised machine learning (UML) and supervised machine learning (SML). While SML uses labeled data as input to train algorithms in order to predict outcomes of unlabeled data, UML detects underlying patterns in unlabeled observations by exploiting the statistical properties of the data. The possibilities of ML for analyzing large datasets are slowly finding their way into the social sciences; yet, it lacks systematic introductions into the epistemologically alien subject. I present applications of some of the most common methods for SML (i.e., logistic regression) and UML (i.e., topic models). A practical example offers social scientists a "how-to" description for utilizing both. With regard to SML, the case is made by predicting gender of a large dataset of sociologists. The proposed approach is based on open-source data and outperforms a popular commercial application (genderize.io). Utilizing the predicted gender in topic models reveals the stark thematic differences between male and female scholars that have been widely overlooked in the literature. By applying ML, hence, the empirical results shed new light on the longstanding question of gender-specific biases in academia.

Abstract
Most studies concerned with empirical social networks are conducted on the level of individuals. The interaction of scientists is an especially popular research area, with the growing importance of international collaboration as a common sense result. To analyze patterns of cooperation across nations, this paper investigates the structure and evolution of cross-country co-authorships for the field of economics from 1985 to 2011. For a long time economic research has been strongly US centered, while influencing real-world politics all over the globe. We investigate the impact of the general trend of increasing international collaboration on the hegemonic structures in the "global department of economics." A dynamic map of economic research is derived and reveals communities that are hierarchical and structured along the lines of external social forces, i.e. historical and political dimensions. Based on these findings, we discuss the influence of the core-periphery structure on the production of economic knowledge and the dissemination of new ideas.