MétaCan
Menu
Retour à la cohorte
Enregistrement W4214649688 · doi:10.55365/1923.x2020.18.05

When to Buy and Sell the Shares of the Publicly Traded Rivals of a Firm Making an Initial Public Offering: A New Model

2020· article· en· W4214649688 sur OpenAlexvenueno aff
María del Mar Alonso‐Almeida, Fernando Borrajo-Millán, Miguel Carrasco-Mimbrera

Notice bibliographique

RevueReview of Economics and Finance · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInitial public offeringStock (firearms)Event studyStock marketBusinessEconomicsDemand shockIndustrial organizationFinancial economicsCompetitive advantageShock (circulatory)Capital asset pricing modelMonetary economicsMicroeconomicsMarketing

Résumé

récupéré en direct d'OpenAlex

A review of the literature regarding the supply shock effects of a firm's initial public offering on its publicly traded rivals leads to a redefinition of the competitive and contagion effects.Owing to the persistence of the competitive effect over time and in different markets, it is identified as an anomaly.Therefore, we develop a 3D graphic tool capable of measuring systematically, from a continuous perspective, how information leaks into a stock market and how its effect on the returns of publicly traded companies spreads, in depth and length.The tool can be applied to any event study.In this study, it was used to visualize the short-term effects produced by a firm's initial public offering on its traded rivals in the Spanish stock market, using data over a 30-year period.A competitive effect, similar in size and extent to the ones detected by the state-of-the-art studies, was demonstrated.These results are comparable to the projections of the main asset pricing models.This demonstrates the similarity between the above stated competitive effect and the substitution effect related to the supply and demand theory regarding substitutive products.Based on this, a theory capable of explaining the competitive effect is proposed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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 Opus0,100
Tête enseignante GPT0,245
Écart entre enseignants0,145 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetCorporate Finance and GovernanceTravaux en français237 207