Notice bibliographique
Résumé
In Chapter 1, we analyse a model in which a biased Institutional Investor may offer a share price to acquire voting rights over a corporate motion. The selling and voting decisions of each initial shareholder (with imperfect, private information about the firm’s value of the motion) depend on the private information held, but the selling decision also depends on the Institutional Investor’s price offer. The voting decision of the Institutional Investor depends on the bias and updated beliefs about the motion value (which depend on the quantity of acquired shares). We find that (i) if the magnitude of the bias is large enough, then, relative to the absence of the Institutional Investor, shareholder welfare increases (decreases) if the bias is against (for) the motion and (ii) the Institutional Investor is less willing to exert control as the quality of the private information increases. In Chapter 2, we use the ex-vote date of shareholder meetings to measure the value of corporate shareholder voting rights. We find that the value of voting rights is affected by the quantity and type of shareholder proposed motions and that the interaction between shareholder and management proposed motions negatively affects the value of voting. Our results suggest that the mean value of voting rights is about 1.01% of firm value. The measured drop in the ex-ante expected share price on the ex-vote date is analogous to the drop in share value after a price offer in the modelin Chapter 1. In Chapter 3, we analyse an intertemporal model of network formation. Individuals possess a quality variable whose evolution depends on the number and quality of the individual’s links. We introduce a definition of positive assortative networks and provide conditions for which our model of network formation supports positive assortative networks.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».