The Return on Private Investment in Public Equity
Bibliographic record
Abstract
Nous étudions la performance boursière postérieure aux placements privés des sociétés ouvertes au Canada, pour tenter de déterminer l'origine des rendements anormalement faibles qui suivent ce type d'opération de financement. Nous analysons 3291 placements privés effectués entre 1993 et 2003. A l'aide du modèle à facteurs de Fama et French, nous observons une contre-performance statistiquement significative que réduit l'ajout du facteur d'investissement, proposé par Lyandres, Sun and Zhang (2008). Nous tenons compte ensuite de l'escompte pour estimer le rendement du point de vue des investisseurs privés. Ceux-ci réalisent, en moyenne, des rendements supérieurs à ceux des autres actionnaires. Ces rendements sont normaux compte tenu du niveau de risque. Dans une troisième étape, nous divisons l'échantillon en fonction des caractéristiques des émetteurs. Les seuls titres qui génèrent des rendements fortement négatifs sont ceux d'entreprises de croissance dont l'activité d'investissement est importante. Les investisseurs privés réalisent des rendements positifs lorsqu'ils choisissent des titres de valeur d'entreprises qui investissent peu mais ils surévaluent systématiquement les projets d'investissement des titres de croissance.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".