Informed trading around biotech M&As
Notice bibliographique
Résumé
Purpose This paper aims to test the extent to which downward bias due to a floating-point exception in probability of informed trading (PIN) estimates obtained using the Easley, Hvidkjaer and O’Hara (EHO; 2002) method is remedied using the Yan and Zhang (YZ; 2012) method. The paper also aims to test the sample-size sensitivity of EHO PIN and identify PIN determinants for acquirers and targets in the biotech sector. Design/methodology/approach EHO and YZ PIN performances are compared for US biotech acquirers and targets around their mergers and acquisition (M&A) announcements. The sampling method of Kryzanowski and Lazrak (2007) is used to assess sample-size sensitivity of announcement window EHO PIN estimates. Cross-sectional regressions are estimated to identify PIN determinants. Findings EHO and YZ PIN are not significantly different. EHO PIN exhibits significant sample-size sensitivity. Information leakage prior to M&A announcements is strongly affected by some firm characteristics. Significant determinants of PIN behavior around M&A announcements include insider and institutional holdings and research and development (R&D) expense. Research limitations/implications Findings imply that PIN partially reflects the activities of insiders and other informed investors about takeover intentions. Subsequent research can examine PIN behavior around pre-announcement rumors for M&As in the same or other industries and for potential targets that are peers of the M&A targets. Originality/value This paper contributes to the ongoing debate in the empirical finance literature on whether PIN measures informed trading by examining its behavior and the importance of some methodological issues associated with its use in examining market behavior around M&A announcements.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».