MétaCan
Menu
Retour à la cohorte
Enregistrement W4392156926 · doi:10.1111/1911-3846.12940

A comparison of direct listings and<scp>IPOs</scp>

2024· article· en· W4392156926 sur OpenAlexvenueno aff
Anna Bergman Brown, Donal Byard, Jangwon Suh

Notice bibliographique

RevueContemporary Accounting Research · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInitial public offeringUnderwritingBusinessListing (finance)Volatility (finance)Monetary economicsCross listingStock (firearms)AccountingFinanceEconomicsCorporate governance

Résumé

récupéré en direct d'OpenAlex

Abstract IPOs and direct listings (DLs) offer two different mechanisms for firms to go public. In contrast to IPOs, DLs do not employ an underwriter or raise new capital. Using a sample of IPOs and DLs on major stock markets in the European Union, we document that firms that choose to go public via DLs are larger, more profitable, and less levered, on average, than IPO firms. These pre‐listing differences suggest that DL firms should be less risky than IPO firms; however, controlling for this selection effect, we find that DLs have higher aftermarket price volatility than IPOs. This is consistent with some policy‐makers' concerns that, because they lack an underwriter, DLs expose investors to higher risk than IPOs in the immediate post‐listing period. We show that this heightened price volatility persists, on average, for the first 20 trading days after listings, and is larger in industries where listed peer firms provide relatively low‐quality disclosures. Our results provide new evidence regarding the types of firms that choose to list via DLs versus IPOs and the riskiness of IPOs versus DLs in the immediate post‐listing period; additionally, our results are consistent with underwriters improving the quality of information available to investors for IPO firms in the pre‐listing period.

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)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,105
Tête enseignante GPT0,351
Écart entre enseignants0,247 · 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'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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetCorporate Finance and GovernanceTravaux en français237 207