Notice bibliographique
Résumé
Unternehmensübernahmen und -fusionen (M&A) sind von erheblicher wirtschaftlicher Bedeutung und einige spektakuläre Transaktionen der jüngsten Vergangenheit haben Bankenzusammenschlüsse in Europa verstärkt in das öffentliche Interesse gerückt. Ein wichtiger Teilaspekt der M&A-Thematik ist die Wahl der Akquisitionswährung, also der Form der Bezahlung einer Unternehmensübernahme. Welche Auswirkungen hat es, ob eine Übernahme mit Aktien oder in bar bezahlt wird? Was sind treibende Faktoren und Motive entsprechender Entscheidungen? Andreas Weese setzt sich mit der kapitalmarkttheoretischen und der empirischen Forschung zur Zahlungsform bei Unternehmenszusammenschlüssen auseinander und kommt zu dem Ergebnis, dass die Wahl der Akquisitionswährung ein relevanter Faktor für den Erfolg von Unternehmenszusammenschlüssen ist. Allerdings sind die Ergebnisse bisheriger Studien nicht eindeutig und speziell für den europäischen Bankensektor mangelt es an Analysen. Ein Kernstück seiner Arbeit ist daher die Untersuchung anhand eines aktuellen Datensatzes von 117 Übernahmen durch europäische Banken innerhalb des Zeitraums von 1999 bis 2005.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».