MétaCan
Menu
Retour à la cohorte
Enregistrement W4283516539 · doi:10.3390/jrfm15070281

Valuing Collaborative Synergies with Real Options Application: From Dynamic Political Capabilities Perspective

2022· article· en· W4283516539 sur OpenAlexvenueno aff
Andrejs Čirjevskis

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDynamic capabilitiesPoliticsValuation (finance)Context (archaeology)Conceptual frameworkBusinessKnowledge managementProcess managementMarketingComputer sciencePolitical scienceAccountingSociology

Résumé

récupéré en direct d'OpenAlex

This paper aims to justify propositions that the dynamic political capabilities of collaborative partners to manage their institutional contexts are important drivers of collaborative synergies which can be valued by real options. To date, the institutional context of collaborative corporate strategies (strategic alliances, mergers, and acquisitions), particularly the analysis of the influence of government agencies on the synergies or unrealized synergies of collaborative ventures, remains unexplored. Moreover, the interdependence between the institutional dimensions of the collaborative strategies, the dynamic political capabilities of the collaborating partners, and collaborative synergies are needed to be integrated into new conceptual models and a new framework. This paper contributes to this request by providing a cohesive framework of micro-foundations with dynamic political capabilities and demonstrating an application of simple and compound sequentially combined real options for collaborative synergies’ valuation in the findings and discussion section. This paper makes several theoretical and empirical contributions to international business, strategic management, and corporate finance. The practical implication of the research is evidence that food retailers who want to grow with the latest consumer trends will need dynamic political capabilities to deal with the impact of an institutional context. Finally, this paper discusses research limitations and future work.

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)0,000
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,196
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,006
Tête enseignante GPT0,205
Écart entre enseignants0,199 · 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'étudeThéorique ou conceptuel
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetCapital Investment and Risk AnalysisTravaux en français237 207