MétaCan
Menu
Retour à la cohorte
Enregistrement W3124430468 · doi:10.2308/accr-50960

Shell Games: The Long-Term Performance of Chinese Reverse-Merger Firms

2014· article· en· W3124430468 sur OpenAlexaff
Charles M.C. Lee, Kevin K. Li, Ran Zhang

Notice bibliographique

RevueThe Accounting Review · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBusinessPublicityCredibilityEquity (law)Stock (firearms)ChinaBalance sheetFinanceAccountingMonetary economicsStock exchangeEconomicsMarketing

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We examine the financial health and performance of reverse mergers (RMs) that became active on U.S. stock markets between 2001 and 2010, particularly those from China (around 85 percent of all foreign RMs). As a group, RMs are early-stage companies that typically trade over the counter. However, Chinese RMs (CRMs) tend to be more mature and less speculative than either their U.S. counterparts or a group of exchange-industry-size-matched firms. As a group, CRMs outperformed their matched peers from inception through the end of 2013, even after including most of the firms accused of accounting fraud. CRMs that receive private investment in public equity (PIPE) financing from sophisticated investors perform particularly well. Overall, despite the negative publicity, we find little evidence that CRMs are inherently toxic investments. Our results shed light on the risk-performance trade-off for CRMs, as well as the delicate balance between credibility and access in well-functioning markets. JEL Classifications: G34; M41; N20

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil0,974

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,227
Écart entre enseignants0,214 · 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'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

Citations81
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Accounting ReviewMême sujetCorporate Finance and GovernanceTravaux en français237 207