MétaCan
Menu
Retour à la cohorte
Enregistrement W3217252394 · doi:10.1111/jbfa.12577

The impact of takeover anticipation on rival firms

2021· article· en· W3217252394 sur OpenAlexaff
Frederick Davis, Svetlana Davis, Xiaoyang Sha, Thomas Walker

Notice bibliographique

RevueJournal of Business Finance &amp Accounting · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensBishop's UniversityConcordia University
Organismes subventionnairesnon disponible
Mots-clésHubrisCollusionAnticipation (artificial intelligence)BiddingPremiseBusinessRumorIndustrial organizationMicroeconomicsMechanism (biology)EconomicsTender offerMonetary economicsFinanceCorporate governanceShareholderPublic relationsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This paper utilizes a large, hand‐collected dataset to observe for the first time the initial wealth impact of an anticipated takeover bid on the target's rival. Distinguishing among predominant theories of acquisition probability, collusion, competitive advantage, hubris and industry growth, we find substantial evidence to support the premise that gains to rivals around the target firm's rumor date are associated with becoming either a target or a bidding firm within 1 year. Additionally, factors at the time of bid anticipation serve as useful predictors when assessing which rivals will receive or initiate a bid for corporate control. Our results demonstrate that takeover rumors represent an early and important mechanism by which information is transferred throughout an industry.

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)0,001
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 enseignants0,087
Score d'incertitude au seuil0,658

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,027
Tête enseignante GPT0,260
Écart entre enseignants0,233 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business Finance &amp AccountingMême sujetCorporate Finance and GovernanceTravaux en français237 207