R&D Investment and Market Reactions in Non-crisis and Crisis Periods: Evidence from Taiwan
Notice bibliographique
Résumé
This study examines market reactions to firms with different level of R&D expenditure. In particular, we investigate whether R&D investment in an uncertain environment, such as during the global financial crisis of 2008, will aggravate the level of information asymmetry and increase the likelihood of undervaluation on R&D stocks. We use a sample of Taiwanese firms and classify the sample into four portfolios: no R&D, low R&D, middle R&D and high R&D firms, and estimate abnormal returns using the Fama and French three factor and Carhart four factor models. We find that the no R&D portfolio has the highest positive and significant abnormal returns in the non-crisis period (2000-2007), while the high R&D portfolio has the highest abnormal return in crisis period (2008-2011). Our multivariate analysis provides supporting evidence that high R&D firms have a greater extent of information asymmetry than no R&D firms during the crisis period, while no R&D firms bear a high risk of low growth potential in non-crisis period. Similar results are obtained either by equal-weighted or value-weighted portfolio returns. Recent studies propose that investors may misprice high-tech firms. Our results provide international evidence that investors react differently to no R&D and R&D intensive firms, and R&D investment in crisis period will aggravate information asymmetry and the extent to which investors underestimate the value of R&D stocks.
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 | 0,000 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».