Effects of IPO Offer Price Ranges on Initial Subscription, Initial Turnover and Ownership Structure—Evidence from Indian IPO Market
Notice bibliographique
Résumé
In this paper, we establish the significance and effects of initial public offer (IPO) offer price ranges on subscription, initial trading, and post-IPO ownership structures. The primary market in India provides a unique setting for estimating the effect of various initial public offer (IPO) price ranges and IPO issue factors on the initial demand for an IPO among investors, measured by full IPO subscription/oversubscription, initial turnover (liquidity), and the post-IPO listing ownership structure among investors (ownership). For the IPO pre-listing stage, this study uses firth logistic regression to estimate the effect of various IPO offer price ranges (low to high) and various IPO issue factors on the full subscription/oversubscription of an IPO in each investor category. For the post-IPO listing stage, the study uses OLS regression to estimate the effect of various IPO offer price ranges (low to high) and various IPO issue factors on the initial trading ratio (IPO listing day trading) and the ownership percentage between institutional and individual investors. We find that all investor categories show a lesser likelihood for full subscription or oversubscription of an IPO issue at the lowest range of IPO offer prices. At the post-listing stage, the results indicate a diverse IPO offer price range in which individuals and institutions maximize their respective ownership holdings after the IPO listing. The results further show that lower promoter holdings diffuse higher ownership among individual shareholders by targeting lower IPO offer prices, thus increasing control.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».