‘If the Facts Don't Fit the Theory … ’: The Security Design Puzzle in Venture Finance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
When confronting theory with evidence, divergent results surface with reference to the optimal securities that should be adopted in venture capital ( VC ) finance. The vast majority of the theoretical models on VC consistently predict that convertible securities, especially in the form of convertible preferred stocks, represent the optimal form of finance. While the theoretical literature seems to be supported by empirical studies in the US , the evidence outside the US shows the opposite results. Puzzling patterns emerge, especially when comparing the evidence from the US , C anada and Europe, and an intensive academic debate is under way. The evidence becomes even more challenging when considering the contrasting financing behaviour of US venture capitalists ( VC s) investing in C anada. It has been documented that US VC s investing in C anada adopt a wide range of securities other than convertible stocks. If convertible securities truly represent the optimal form of VC finance, why would US VC s use different types of securities when investing in C anada? At present, researchers are still arguing about which factors would have the most significant impact on explaining the different financing behaviour of VC s around the world. The purpose of this paper is to shed some light on the ongoing international debate on the optimal security design and contracting behaviour in venture finance. With this review, the authors intend to contribute to the VC literature by identifying current trends, explanations and determinants underlying the puzzling empirical evidence on the financing structure adopted by VC s around the world.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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