Do IPOs Underperform in the Long-Run? New Evidence from the Canadian Stock Market
Bibliographic record
Abstract
Nous mesurons dans la présente étude la performance des 141 émissions initiales effectuées au Canada de 1986 à 2000. Nous utilisons des portefeuilles de contrôle qui sont systématiquement rééquilibrés et réajustés pour les titres délistés, et qui ne tiennent compte des caractéristiques de taille et de ratio Book to Market. Les résultats varient peu suivant la méthode utilisée, qu'il s'agisse de la technique passive, des rendements anormaux cumulés en rendements calendaires (Calendar Time) ou non. Les coefficients alpha d'un modèle à trois facteurs inspirés de Fama et French sont utilisés également, sans différences notables. Toutefois, les résultats diffèrent fortement suivant le mode de pondération des portefeuilles. Nous mettons en évidence une sur performance lorsque des portefeuilles équipondérés sont formés, et une sous performance non significative lorsque des portefeuilles pondérés par la valeur boursière sont utilisés. Il semble que les émissions de sociétés financières, ainsi que celles qui appartiennent à des secteurs en croissance aient des performances supérieures à long terme. Les prévisions à long terme des analystes financiers ont une valeur informative quant aux performances futures des émissions initiales.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".