MétaCan
Menu
Retour à la cohorte
Enregistrement W3081102108 · doi:10.1002/smj.3234

Bad news for announcers, good news for rivals: Are rivals fully seizing transition‐period opportunities following announcers' top management turnovers?

2020· article· en· W3081102108 sur OpenAlexaff
Cord H. Burchard, Juliane Proelss, Utz Schäffer, Denis Schweizer

Notice bibliographique

RevueStrategic Management Journal · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSuccessor cardinalBusinessStock (firearms)ExploitEvent studyCompetitive advantageMarketingAccountingEconomicsIndustrial organizationMonetary economics

Résumé

récupéré en direct d'OpenAlex

Abstract Research summary This study analyzes whether and how the disruption of top management turnovers can affect not only turnover firms but also their intra‐industry rivals. It thus adds to the literature on both leader life cycles and competitive dynamics. Using a U.S. sample of 857 CEO turnovers, we find a period of relative stagnation for announcing companies following top management turnovers. We also find that intra‐industry rivals can use this period to their advantage. Semi‐structured interviews with seasoned CEOs, CFOs, and a board member from large publicly listed firms, as well as an extensive news search, support this notion. Intra‐industry rivals gain a competitive advantage that can result in positive abnormal stock returns and accounting performance. The intra‐industry outperformance is greater for forced turnovers. Managerial summary The departure of a company's CEO, forced or not, is usually a disruptive event for a company, as the successor must adapt to the new environment before undertaking any major strategic changes. Rivals can seize an opportunity during the transition period of the announcing company because they remain fully operational. They can thus actively exploit the relative inability of turnover companies to react by, for example, launching sales initiatives or increasing M&A activity. This interpretation is supported by internal and external evidence. Investors on average also recognize this situation, and stock prices react accordingly.

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 candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,785
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,000
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 Opus0,077
Tête enseignante GPT0,255
Écart entre enseignants0,178 · 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.

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

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic Management JournalMême sujetCorporate Finance and GovernanceTravaux en français237 207