Pienten ja keskisuurten yritysten investointimallit yrityskaupoissa : Millaisia investointimalleja yritykset käyttävät suunnitellessaan yrityskauppoja?
Notice bibliographique
Résumé
Tutkielma tutkii yrityskaupoissa käytettäviä investointimalleja pienten ja keskisuurten yritysten sektorilla Suomessa. Investointimalleja esitellään kirjallisuudessa usein perinteisten investointien, kuten koneiden yhteydessä. Investointi on kuitenkin myös laajentumista toisaalle, jolloin toinen yritys ostaa omistukseensa toisen yrityksen, ja tekee tästä tytäryhtiönsä. Investointimalleista tutkielmassa esitellään paremmin diskontatun rahavirran mallit, joista nettonykyarvomenetelmä ja sisäisen korkonannan menetelmä ovat yleisimmin käytetyn mallit käytännössä. Näiden kahden mallin välillä on käyty pitkään väittelyä toisen paremmuudesta. Tähän tutkielma ottaa kantaa kirjallisuuteen perustuen ja tuo esiin väittelyä eteenpäin vieviä teoksia. Tutkielmassa esitellään lyhyesti myös muita perinteisiä investointimalleja, kuten takaisinmaksuajanmenetelmä. Tutkimuksessa pyrittiin rajaamaan kirjallisuus 2000-luvun teoksiin pois lukien investointimallien ensimmäiset esitykset. Yrityskaupat nähdään tärkeänä laajentumisen mallina. Suomessa on tällä hetkellä meneillään Kiina-ilmiö, jolla tarkoitetaan kiinalaisten pääomasijoittajien rantautumista Suomeen. Se on mahdollistanut useiden yrityskauppojen synnyn viime vuosikymmenenä. Tutkielma esittelee teoreettisin osin yrityskaupoissakin käytetyn reaalioptio-mallin. Tutkimus pyrkii lisäämään ymmärrystä pk-sektorilla tapahtuvista yrityskaupoista Suomessa ja etenkin niiden suunnittelusta. Tutkimus toteutettiin kirjallisuuden pohjalta luodulla teemahaastattelulla. Haastattelukohteita oli yhteensä kolme, joista jokainen on työskennellyt pitkään yrityskauppojen parissa. Haastatteluilla pyrittiin saamaan käytäntöä kuvaavia vastauksia teorian pohjalta luotuihin hypoteeseihin sekä tutkimuskysymykseen. Haastatteluiden pohjalta pystyttiin saamaan tarpeeksi selkeä kuva Suomalaisten pk-sektorin yritysten tavoista ja syistä hyödyntää investointimalleja. Esille nousi myös uusia huomioita siitä, miksi pienen kokoluokan yrityksissä jätetään investointimallit hyödyntämättä.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,008 |
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 ».