Dynamic relationships and technological innovation in hot and cold issue markets
Notice bibliographique
Résumé
Purpose The puzzle of hot and cold issue markets has attracted substantial interest in the academic community. The behavior of IPO volume and initial returns over time is well documented. Few studies, however, investigate the dynamic interrelationship between these two variables. This paper aims to fill this gap. In addition, the technological innovations hypothesis of hot issue markets is tested. Welch and Hoffmann‐Burchardi suggest that the clustering of new issues is caused by IPO volume spikes in industries that have recently experienced technological innovations or favorable productivity shocks. Design/methodology/approach This paper employs a sample of 8,160 initial public offerings filed in the USA between January 1972 and December 2001. A simultaneous equation approach is used to examine the endogenous relationship between IPO volume and initial returns. In addition, the paper analyzes the industry correlation matrix of new issue activity and estimates a fixed‐effects model based on industry‐level data to examine the impact of technological innovations on new issue activity. Findings It is found that higher IPO volume causes higher initial returns, but not vice versa. In addition, evidence is found against the technological innovations hypothesis. The findings suggest that economy‐wide rather than industry‐specific factors are responsible for the observed variations in IPO volume. Research limitations/implications As with any empirical study, the results may be sample‐specific. Originality/value The paper extends the prior literature on the relationship between IPO volume and initial returns by applying two‐stage and three‐stage least squares models that go beyond prior methodological approaches used in the extant literature. In addition, the paper provides some of the first empirical evidence on the effect of technological innovations and productivity shocks on IPO activity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».