Recent trends in UK cross‐border mergers and acquisitions
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 This paper seeks to outline the driving forces behind the acceleration of cross‐border mergers and acquisitions (CBMAs) and to review the recent trends involving United Kingdom (UK) companies. Design/methodology/approach The paper draws on data available from Thomson One Banker and the Office of National Statistics, to examine the trends in CBMAs between 1996 and 2005. Findings The driving forces underlying the trend of CBMAs are complex and vary by sector. One of the most significant driving forces is technological change. In addition, changes to government policies influence CBMAs by opening up opportunities and increasing the availability of favourable targets for mergers and acquisitions (M&As). Other forces are market drivers, industry‐level drivers and firm‐level drivers. The scale of CBMAs involving UK companies has increased rapidly in recent years. The area analysis shows that European Union (EU) companies are the most significant target for UK companies followed by the USA and Canada. In terms of distribution within sectors, UK companies tend to acquire more manufacturing companies in the EU, the USA and Canada than in the Asia‐Pacific region. In contrast, UK companies tend to acquire more service sector companies in the Asia‐Pacific region than in the EU, the USA and Canada. Originality/value The paper provides an accessible account of drivers of CBMAs and considers in detail the value and scale of activity relating to UK CBMAs. The paper will be of value to academics and practitioners interested in CBMAs as an important element of firm strategy.
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 | 0,001 | 0,003 |
| 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) | 0,002 | 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