Venture capital as a method of financing enterprise development in Central and Eastern Europe
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
Purpose The paper aims to increase the understanding of the venture capital industry in Central and Eastern Europe (CEE) by examining the venture capital industry in Hungary, Poland, the Czech Republic, and Slovakia between 1998 and 2003. Even though the number of academic studies focusing on the venture capital activities in the CEE region has been increasing in recent years, the coverage of this industry is relatively weak and not well understood by individuals, businesses, and academics. Design/methodology/approach The study focuses on the analysis of secondary data available from the European Venture Capital Association on venture capital activities in the CEE region. The paper examines three key statistics that best describe the venture capital process, namely fundraising, investing, and exiting activities. Findings The study has three conclusions. First, venture capital financing continues to be a major source of capital to the developing firms in the region. Second, Poland is the market leader in the region in the venture capital activities as described by key statistics. Third, the countries of CEE cannot be treated as a homogeneous block. Originality/value The study is important for two reasons. First, the study focuses on longitudinal data between 1998 and 2003, the most important period in the development of the industry. Shifts in trends in these key statistics can only be observed by analyzing longer‐term data series. Second, the evolution of the venture capital industry in the analyzed countries could be used as a blueprint for venture capital development in other countries in the region.
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 | 0,001 | 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 | 0,000 | 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