MétaCan
Menu
Retour à la cohorte
Enregistrement W2913889997 · doi:10.3390/jrfm12030112

Cross-Border Venture Capital Investments: What Is the Role of Public Policy?

2019· article· en· W2913889997 sur OpenAlexvenueaboutno aff
Wendy A. Bradley, Gilles Duruflé, Thomas Hellmann, Karen Wilson

Notice bibliographique

RevueJournal of risk and financial management · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVenture capitalBusinessFinanceForeign direct investmentPublic policyEconomicsInternational tradeEconomic growthMacroeconomics

Résumé

récupéré en direct d'OpenAlex

(1) Background: Cross-border venture capital (VC) investments play an important role in the scaling up of high-growth companies. However, policymakers worry that foreign VC investments transfer the majority of economic activity to the investor country. On the one hand, start-ups welcome the foreign capital, expertise, and networks that accompany cross-border investments. On the other hand, policymakers are concerned that cross-border investments predominantly benefit foreign economies and fail to develop the local entrepreneurial ecosystem. This paper describes a framework for how policymakers can develop a set of policies toward cross-border VC investments. (2) Methods: The paper examines available data and trends about the role of cross-border investing, focusing on Europe, Israel, and Canada. Then, the paper explains the underlying economic challenges and develops a policy framework. (3) Results: The analysis shows that in addition to policies that aim to attract foreign investors, there are also important policies for the development of the domestic VC market. The analysis encompasses policies that are both financial and non-financial in nature. (4) Conclusions: A core insight for policymakers is to retain a balance of initiatives, attracting foreign investors while simultaneously making sure to strengthen the country’s domestic VC industry and innovation ecosystem. The mix of policies will adjust as the domestic ecosystem matures.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,741
Score d'incertitude au seuil0,533

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0010,002
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 Opus0,006
Tête enseignante GPT0,249
Écart entre enseignants0,243 · 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'étudeSans objet
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

Citations34
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetPrivate Equity and Venture CapitalTravaux en français237 207