The Linkage between Corporate Research and Development Intensity and Stock Returns: Empirical Evidence
Notice bibliographique
Résumé
Research and development (R&D) is a significant driver of innovation that leads to superior performance. The present study attempts to examine the relationship between R&D intensity and a firm’s performance at both aggregate and industry levels in the emerging market of India using a battery of R&D intensity measures and stock market returns as a measure of a firm’s performance. The study was conducted on 1097 companies from six R&D-intensive industries. The Fama-French portfolio formation method was used to evaluate the stock market performance of R&D-intensive firms for both equal-weighted (EW) and value-weighted (VW) returns. The findings suggest that R&D intensity and stock returns show a positive relationship. A long–short strategy in R&D-intense firms has yielded 1.43% (t = 4.22) per month in the sample. In general, the results suggest an undervaluation of highly R&D-intensive firms that investors can exploit for above-average returns. The effect is not homogeneous across return schemes (equal-weighted and value-weighted) or across industries. R&D growth measures and R&D capital are not found to have significant impacts on stock returns. Both the market firm size and age are included as control variables, and the results reveal that the relationship is robust to these control variables. The sub-periods ranging from 2000 to 2007 and 2008 to 2019 have been considered in the present study and the results are consistent with the overall sample. The study fills the existing empirical void for R&D intensity and stock returns in relation to the emerging market of India.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».