Acquisitions of private vs. public firms: Private information, target selection, and acquirer returns
Notice bibliographique
Résumé
Abstract The acquisition of privately held firms is a prevalent phenomenon that has received little attention in mergers and acquisitions research. In this study, we examine three questions: (1) What drives the acquirer's choice between public and private targets? (2) Do acquisitions of private targets elicit a more positive stock market reaction than acquisitions of public targets, which, on average, destroy value for acquirers' shareholders? (3) Do acquirers gain when their selection of a public or private target fits the theory? In this paper, we argue that the lack of information on private targets limits the breadth of the acquirer's search and increases its risk of not evaluating properly the assets of private targets. At the same time, less information on private targets creates more value‐creating opportunities for exploiting private information, whereas the market of corporate control for public targets already serves as an information‐processing and asset valuation mechanism for all potential bidders. Using an event study and survey data, we find that: (1) acquirers favor private targets in familiar industries and turn to public targets to enter new business domains or industries with a high level of intangible assets; (2) acquirers of private targets perform better than acquirers of public targets on merger announcement, after controlling for endogeneity bias; (3) acquirers of private firms perform better than if they had acquired a public firm, and acquirers of public firms perform better than if they had acquired a private firm. These results support the expectation that acquirer returns from their target choice (private/public) are not universal but depend on the acquirer's type of search and on the merging firms' attributes. Copyright © 2007 John Wiley & Sons, Ltd.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».