MétaCan
Menu
Retour à la cohorte
Enregistrement W3121400091

Mergers with Product Market Risk

2005· preprint· en· W3121400091 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2005
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Policies and Impacts
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésIncentiveRisk aversion (psychology)Consolidation (business)MicroeconomicsBusinessIndustrial organizationProduct marketWelfareSocial WelfareProduct (mathematics)EconomicsFinancial economicsFinanceExpected utility hypothesisMarket economy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper studies the causes and the consequences of horizontal mergers among risk-averse firms. Theamountofdiversification depends on the allocation of shares among the merging firms, with a direct risk-sharing effect and an indirect strategic effect. If firms compete in quantities, consolidation makes firms more aggressive. Mergers involving few firms are then profitable with a relatively low level of risk aversion. With strong enough risk aversion, mergers reduce prices and improve social welfare. If firms instead compete in prices, consumers do not benefit from mergers in markets with demand uncertainty, but can easily benefit withcost uncertainty. JEL Classification: D43 (Oligopoly and Other Forms of Market Imperfection); G34 (Mergers Mergers allow firms to diversify and share their risks, or at least, this is the claim often made by the merging firms. As there are typically limited cost synergies or demand interdependencies among firms operating in different sectors, diversification is often cited as a prominent motive for conglomerate mergers. This desire to diversify at the firm level is compatible with the reluctance

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.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,795
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,280
Écart entre enseignants0,242 · 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