MétaCan
Menu
Retour à la cohorte
Enregistrement W2756501516 · doi:10.1111/1911-3846.12384

Renegotiations of Target CEOs' Personal Benefits During Mergers and Acquisitions

2017· article· en· W2756501516 sur OpenAlexvenueno aff
Paige Harrington Patrick

Notice bibliographique

RevueContemporary Accounting Research · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésShareholderBusinessMergers and acquisitionsMonetary economicsEconomic rentIndustrial organizationAccountingFinanceEconomicsMicroeconomicsCorporate governance

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Many view large payments following mergers or acquisitions as excessive and evidence of rent extraction. Using additional disclosures required by the SEC since 2006, I hand‐collect details of preexisting change in control (CIC) provisions in employment agreements and CIC benefits granted to target CEOs during mergers. I find that CIC benefits are renegotiated in approximately 50 percent of my sample. I then investigate whether renegotiation of CIC benefits tends to be opportunistic, or, instead, evidence of efficient contracting. The overall evidence is more consistent with efficient contracting. This contrasts prior research that focuses solely on certain components of CIC benefits, such as employment in merged firms or merger bonuses. I find that changes in CIC benefits are positively associated with the CEO's horizon, as would be predicted by efficient contracting, but only limited evidence that changes in CIC benefits are positively associated with proxies for CEO power, as would be predicted by rent extraction. Acquiring firm shareholders interpret increases in target CEOs' CIC benefits as evidence of rent extraction, although I find that the merged firm's post‐merger performance is positively associated with changes in CIC benefits. This result is more consistent with acquiring firms providing target CEOs increased CIC benefits to complete mergers and realize synergies than with value‐reducing rent extraction.

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)0,003
score de la tête « metaresearch » (Gemma)0,021
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,070
Tête enseignante GPT0,300
Écart entre enseignants0,229 · 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetCorporate Finance and GovernanceTravaux en français237 207