Round offer prices in M&A transactions: costly negotiation and psychological preference
Notice bibliographique
Résumé
Purpose The authors of this study aim to investigate possible explanations of the prevalence of price clustering in the final offer prices of mergers and acquisitions (M&A). Design/methodology/approach The authors use final offer price in M&A deals to investigate the price clustering phenomena. The authors used regressions and logistic regressions to examine potential factors that might affect pricing strategy by looking into one-time acquirers and experienced serial acquirers. Findings Price clustering increases with negotiation uncertainties characterized as competitive bidding, number of bidders, challenged deals and duration. Moreover, the authors find persistent price clustering in experienced serial acquirers that are more experienced and better equipped with handling uncertainties, suggesting a preference of using round numbers regardless of levels of uncertainties. The authors' evidence shows that price clustering results from a combination of Harris' (1991) costly negotiation hypothesis where round prices may be used to lower search costs and psychological bias and preference. Originality/value The authors appear to be the first to investigate alternative theories that support M&A offer price clustering behavior, finding that both the costly negotiation and psychological bias and preference theories apply to M&A final price formation. Thus, the authors' major contribution, specific to the M&A process, is a clarification of physical and psychological factors associated with bidding and negotiation behavior. The authors are confident that the authors' study impacts conventional knowledge regarding M&A deal negotiation strategies, including bidding behavior, contract negotiation, financial analysis, management practices and risk management.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».