MétaCan
Menu
Retour à la cohorte
Enregistrement W4392372430 · doi:10.1111/jfir.12392

How does the JOBS act affect the rule 144A market?

2024· article· en· W4392372430 sur OpenAlexafffund
Kelly Nianyun Cai, Hui Zhu

Notice bibliographique

RevueThe Journal of Financial Research · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensOntario Tech University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAffect (linguistics)BusinessPsychologyCommunication

Résumé

récupéré en direct d'OpenAlex

Abstract In this article, we examine the effects of Title II of the Jumpstart Our Business Startups (JOBS) Act on the cost and issue size of Rule 144 debts for a sample from 2002 to 2019. We find that after the enactment of the JOBS Act, the average cost (issue size) of the Rule 144 A offers decreases (increases) significantly. The findings are robust after controlling for issue‐, issuer‐, and country‐specific characteristics as well as market conditions. Evidence based on the propensity‐score‐matched sample, including public debt issues, subsample analyses, difference‐in‐differences tests, and alternative event windows, further shows that domestic firms benefit more from the JOBS Act as they have a greater reduction in the cost of debt and increase in the issue size. Overall, our results are consistent with the increased investor base hypothesis and suggest that Title II of the JOBS Act satisfies Congress's goal of making it more cost efficient for Rule 144 A issuers.

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)0,012
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,401
Score d'incertitude au seuil0,766

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,071
Tête enseignante GPT0,323
Écart entre enseignants0,252 · 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'étudeSans objet
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Financial ResearchMême sujetCredit Risk and Financial RegulationsTravaux en français237 207