Financial transaction taxes and the informational efficiency of financial markets: A structural estimation
金融交易税与金融市场的信息效率：结构估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确构建序贯交易行为模型、进行最大似然结构估计并模拟税收政策，未说明数据具有高频属性。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
金融交易税与金融市场的信息效率：结构估计
- 研究问题
- 金融交易税如何影响知情交易占比、信息聚合、成交量及福利，其影响是否随股票流动性而有所不同？
- 方法与思路
- 作者构建包含价格弹性噪声交易者与知情交易者的序贯交易模型，用2017年60只纽约证券交易所股票进行最大似然估计和税收反事实分析。
- 材料陈述的贡献
- 摘要称，模型中的交易税提高知情交易占比和信息聚合，却降低成交量与福利；对部分低流动性股票，还会阻断私人信息聚合。
- 阅读关注点
- 核对交易者行为和参数识别、税收反事实中保持固定的结构要素，以及福利定义和低流动性股票结果出现的条件。
- 阅读边界
- 仅据所给出版社摘要，税率、识别条件、数值效应和福利计算未说明；结论依赖估计模型，不能直接视为真实征税的因果证据。
原文摘要
We develop a new methodology to estimate the impact of a financial transaction tax (FTT) on financial market outcomes. In our sequential trading model, there are price-elastic noise and informed traders. We estimate the model through maximum likelihood for a sample of 60 NYSE stocks in 2017. We quantify the effect of introducing an FTT given the parameter estimates. An FTT increases the proportion of informed trading, improves information aggregation, but lowers trading volume and welfare. For some less liquid stocks, however, an FTT blocks private information aggregation.