MétaCan
Menu
Retour à la cohorte
Enregistrement W2136525494 · doi:10.1287/mnsc.2014.2041

Product Market Competition and the Financing of New Ventures

2015· article· en· W2136525494 sur OpenAlexaff
Jean‐Etienne de Bettignies, Anne Duchêne

Notice bibliographique

RevueManagement Science · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésVenture capitalIncentiveCournot competitionFinanceExternal financingCompetition (biology)DebtEconomicsEntrepreneurshipProduct marketEntrepreneurial financeEquity (law)Internal financingBusinessMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This paper examines the interaction between venture risk, product market competition, and the entrepreneur’s choice between bank financing and venture capital (VC) financing. Under bank financing, a debt-type contract emerges as optimal, which allows the entrepreneur to retain full control of the venture and thus yields strong effort incentives, as long as the entrepreneur can service the debt repayment; however, this leads to liquidation in the case of default, making the venture’s success quite sensitive to exogenous, even temporary, shocks that may hinder debt repayment. Under VC financing, an equity-type contract emerges as optimal. Although it is not sensitive to exogenous shocks, this contract requires the entrepreneur to share a fraction of the rents with the financier, thus yielding lower effort incentives for the entrepreneur. There exists a threshold level of venture risk such that bank financing is optimal if and only if venture risk is below that threshold. Product market competition increases the value of stronger entrepreneurial incentives and thus increases the maximum level of risk the entrepreneur is willing to take before switching from bank financing to VC financing. This is a robust result that is shown to hold in various models of competition, including the Hotelling, Salop, Dixit–Stiglitz, and Cournot-to-Bertrand switch. This paper was accepted by Lee Fleming, entrepreneurship and innovation.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,022
Tête enseignante GPT0,225
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations40
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetPrivate Equity and Venture CapitalTravaux en français237 207