MétaCan
Menu
Retour à la cohorte
Enregistrement W4406168407 · doi:10.1016/j.iref.2025.103850

Exit disruption and matching in venture capital markets: Evidence based on IPO suspensions in China

2025· article· en· W4406168407 sur OpenAlexaff
Hui Fu, Qianqian Liu, Yunbi An, Jun Yang, Heng Xiong

Notice bibliographique

RevueInternational Review of Economics & Finance · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensAcadia UniversityUniversity of Windsor
Organismes subventionnairesHumanities and Social Sciences Youth Foundation, Ministry of Education of the People's Republic of ChinaColorado Society for Respiratory CareState Administration of Foreign Experts AffairsNational Natural Science Foundation of China
Mots-clésInitial public offeringVenture capitalChinaMatching (statistics)BusinessEconomicsFinancial systemMonetary economicsFinancePolitical science

Résumé

récupéré en direct d'OpenAlex

This study investigates the impact of IPO suspensions on the matching relationship between venture capital firms (VCs) and startups in China’s venture capital market. We find that IPO suspensions significantly improve the degree of matching between VCs and startups. This effect is particularly pronounced for lower-quality VCs and startups with limited growth potential. Moreover, the positive impact of IPO suspensions on matching is stronger when VCs are domestic or state-backed, when VCs and startups are located in the same region, or when startups are in the middle or late stages of development. Our analysis reveals that IPO suspensions reduce VCs’ risk-taking behavior and facilitate information exchange in the venture capital market, thereby enhancing the matching process. These findings provide novel evidence on the role of government policy interventions, such as IPO suspensions, in shaping the investment and financing activities of VCs and startups in China’s venture capital market.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,799
Score d'incertitude au seuil0,445

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 Opus0,016
Tête enseignante GPT0,266
Écart entre enseignants0,250 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Review of Economics & FinanceMême sujetPrivate Equity and Venture CapitalTravaux en français237 207