MétaCan
Menu
Retour à la cohorte
Enregistrement W2189400932

The Impact of Buyouts on Swedish Portfolio Companies

2012· article· en· W2189400932 sur OpenAlexaboutno aff
Daniel Mork, Joel Pettersson, Andreas Stephan, Louise Nordström

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPortfolioPrivate equityLeveraged buyoutBusinessPrivate equity firmEquity (law)Market valueFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The private equity market has been a hot topic of debate since it first started to emerge. As it has become more frequently apparent in the Swedish economic and financial market, the debate regarding its impact in Sweden has also risen. The debate contains various opinions whether the private equity firms, through buyouts uses tax breaks or arbitrage opportunities to “quick flip” the investments on the expense of workers and wages or if the PE firms create operational and economic value. Previous studies regarding this topic have mostly been conducted in the U.S, Canada or to some extent in the U.K. This paper aims to, through a quantitative method, investigate and present whether the buyouts have an impact on Swedish portfolio companies or not, and if they do, what kind of impact the buyouts have. This will be done through an event study, based on data collection from portfolio companies that have experienced a buyout made by a private equity firm. The data will then be compared with data from peer groups and analyzed through statistical methods in SPSS. The main findings in this thesis suggest that buyouts do not have, neither a positive nor negative impact on the performance of portfolio companies in Sweden. The tests allow us to conclude that PE firms do not have market timing skills. Neither can we conclude that PE firms cause layoffs of workers or lowering of wages.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil0,423

Scores Codex et Gemma par catégorie

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

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 Opus0,072
Tête enseignante GPT0,361
Écart entre enseignants0,289 · 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 tête enseignante, 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFinancial Reporting and Valuation ResearchTravaux en français237 207