Who Benefitted From the Covid-19 Pandemic?
Notice bibliographique
Résumé
Using different tests on different datasets, this paper empirically examines how healthcare firms and insiders used the Covid-19 pandemic opportunistically to raise capital and maximize their wealth. The research design consists of three parts. The first part examines biotechnology and Covid-19 related firms’ stock price to the onset on the pandemic using event studies and also examines long-term abnormal returns using the buy and hold abnormal returns (BHAR) approach. We find that the whole healthcare industry, and not just biomedical firms, produced high short-term and long-term abnormal returns. In the second part, we run an ordinary least squares regression and a two-way standard error clustered approach on the healthcare industry within Fama French 17 industries, propensity-matched score sample, and our own hand-collected dataset. Our results show that four industries within the healthcare industry capitalized on the opportunities provided by the pandemic; they are biomedical (SIC: 2836), pharmaceutical preparations firms (SIC: 2834), industrial organic chemicals and electromedical industry (SIC: 2860), and electrotherapeutic apparatus (SIC: 3845). The last section analyzes insider trading activities during three and four quarters before and after the pandemic. Using our collected sample firms and WHO Covid firms’ data, our results confirm that the purchases by insiders significantly increased during the first three quarters after the start of the pandemic. However, this does not last long, and we find strong selling in the fourth quarter after the start of the pandemic.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».