MétaCan
Menu
Retour à la cohorte
Enregistrement W1903061678 · doi:10.1177/0266242610383790

Entrepreneurial equity financing and securities regulation: An empirical analysis

2010· article· en· W1903061678 sur OpenAlexafffundabout
Cécile Carpentier, Jean‐Marc Suret

Notice bibliographique

RevueInternational Small Business Journal Researching Entrepreneurship · 2010
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensCenter for Interuniversity Research and Analysis on OrganizationsUniversité Laval
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaAutorité des Marchés Financiers
Mots-clésProspectusInitial public offeringListing (finance)BusinessRevenueEquity (law)Stock marketInformation asymmetryPublic offeringFinanceMonetary economicsEconomics

Résumé

récupéré en direct d'OpenAlex

To protect investors, securities regulation generally restrains entrepreneurial ventures from entering the stock market. Scholars and regulators contend that strong rules and requirements for listing are essential to prevent the market from failing. However, these constraints can also unduly impede the growth of new ventures. We use the Canadian case to examine the effects of the relaxation of the regulatory constraints. Unlike in other countries, firms in Canada can list at a very early stage, without revenues, with a minimal size and even without writing a prospectus using the reverse merger technique. This provides a unique opportunity to examine entrepreneurial ventures listed on a public market. The quality of firms, their post-listing operating performance and strategy, and their fate largely support the opinion that strong listing requirements are essential to prevent the emergence of a lemon market. Investors involved in this market obtain very poor returns. This indicates that they are neither able to set correct prices in this market nor deal with the high level of information asymmetry therein. The reluctance of most regulators to relax the requirements for small business finance can therefore, be justified.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,065
Tête enseignante GPT0,330
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Small Business Journal Researching EntrepreneurshipMême sujetCorporate Finance and GovernanceTravaux en français237 207