MétaCan
Menu
Retour à la cohorte
Enregistrement W4392713524 · doi:10.54097/hbem.v19i.11978

Analysis of Corporate Mergers and Acquisitions: Evidence from Baidu's Acquisition of YY Live

2023· article· en· W4392713524 sur OpenAlexaff
Shan Lu, Yashu Yang

Notice bibliographique

RevueHighlights in Business Economics and Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMergers and acquisitionsBusinessAdvertisingFinance

Résumé

récupéré en direct d'OpenAlex

Contemporarily, the live streaming business has experienced exponential growth and appeal. After recognizing the enormous potential of the live streaming sector, Baidu pursued the strategic acquisition of YY Live. This article analyzes the case of Baidu’s merger and acquisition of YY live. First of all, it introduces the related research and theory about the financial performance before and after acquisition. Then, we choose Baidu with its acquisition of YY live. To be specific, this study introduces the merger and acquisition process in a brief way, using event research method and financial index method to analyze the motivation of Baidu merger and acquisition of YY live and Baidu’s corporate financial performance change after the implementation of merger and acquisition strategy. It is found that the acquisition behavior has improved the profitability of the company, has no obvious impact on the solvency, has a negative impact on the operating ability and improves the development ability. Finally, we draw the conclusion, and put forward corresponding suggestions for enterprise merger and acquisition. These results have certain reference value and guiding significance for researchers in live broadcasting industry and enterprise acquisition.

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)0,007
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 enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,029
Tête enseignante GPT0,212
Écart entre enseignants0,183 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Business Economics and ManagementMême sujetCorporate Finance and GovernanceTravaux en français237 207