MétaCan
Menu
Retour à la cohorte
Enregistrement W4399289369 · doi:10.7202/1107526ar

DETERMINANTS OF UNDERWRITINGFEES FOR DOMESTIC AND NON-DOMESTICSEASONED EQUITY OFFERINGS BY CANADIANCROSS-LISTED SHARES

2002· article· en· W4399289369 sur OpenAlexafffundabout
Lawrence Kryzanowski, Arturo Rubalcava

Notice bibliographique

RevueAssurances : · 2002
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensConcordia University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésUnderwritingBusinessEquity (law)AccountingFinanceFinancial systemPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

This paper examines whether the determinants of underwriter fees are the same for domestic and non-domestic seasoned equity offerings (SEOs) by Canadian shares cross-listed on the TSE and on the NYSE/AMEX and NASDAQ. The results indicate that gross proceeds, firm size, return volatility, relative size of the offering and the inclusion of an overallotment option are the determinants of fees for domestic SEOs. Firm size, number of underwriters, type of offering and U.S. listing venue are the determinants of underwriting fees for non-domestic SEOs. After controlling for differences in other relevant fee determinants, underwriter fees are significantly higher for non-domestic compared to domestic SEOs, and for non-domestic SEOs for Canadian shares cross-listed on the NASDAQ compared to those cross-listed on the NYSE/AMEX. These results suggest that the Canadian and the U.S. investment banking markets are not integrated in the sense of sharing underwriting cost functions with an identical set of determinants.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,072
Score d'incertitude au seuil0,679

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,263
Écart entre enseignants0,234 · 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'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

Citations1
Publié2002
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAssurances :Même sujetCorporate Finance and GovernanceTravaux en français237 207