Listaamattomien osakkeiden hinnanmuodostus
Bibliographic record
Abstract
Tutkielmassa tarkastellaan Suomen listaamattoman jälkimarkkinan mikrostruktuuria sekä toteutuneisiin kauppahintoihin vaikuttavia tekijöitä. Tavoitteena on analysoida mikrostruktuuriteoriasta nousevien tekijöiden ja olosuhteiden vaikutuksia markkinadynamiikkaan. Tutkielman keskiössä ovat OTC-osakkeet, joilla on laaja omistajapohja. Aineisto kerättiin puolistrukturoiduilla teemahaastatteluilla. Haastateltavana oli 11 alan toimijaa ja asiantuntijaa. Informantit edustavat kokemuksensa, näkyvyytensä ja toimintansa laajuuden puolesta markkinan olennaisimpia toimijoita. Haastattelut analysoitiin laadullisen sisällönanalyysin menetelmin.\n\nSuomessa on suuri määrä henkilöitä, jotka omistavat OTC-osakkeita. Kauppapaikka Privanetin lopetettua toimintansa vuonna 2021 tiedon saaminen yhtiöistä ja toteutuneista kauppahinnoista on muodostunut hankalaksi. Kaupankäynti listaamattomilla arvopapereilla tapahtuu kahdenkeskisesti. Vastapuolet löydetään suhteilla sekä erilaisilta huutokauppa- ja torisivustoilta. Tämä nostaa esimerkiksi petosriskin useille sijoittajille sietämättömän korkeaksi.\n\nTutkielmassa havaittiin, että markkinan lähes täydellinen likviditeetin puute yhdistettynä erilaisiin pakkomyyntitilanteisiin selittää toteutuneiden hintojen laajan hajonnan. Toisaalta listaamattomien yhtiöiden informaatioköyhässä ympäristössä vastapuolten erehdyttämistä tapahtuu ehkä laajamittaisestikin. Tämä on mahdollista, sillä listamaattomiin arvopapereihin sijoittavat retail-sijoittajat ovat usein huonosti informoituja, eikä heillä ole välttämättä arvopapereille muita ostajia kuin yksittäiset jobbarit. Transaktiokustannukset ovat hyvin korkeita, kun otetaan huomioon tarjousten hankkimisen vaihtoehtoiskustannukset.\n\nLikvidimpien listaamattomien osakkeiden ja muiden kuin pakkomyyntitilanteiden kohdalla hintahajonta voi puolestaan olla suurta. Sijoittajien mahdollisuus suorittaa arvonmääritys kohdeyhtiöstä saattaa olla heikko. Informaatioasymmetria sijoittajien välillä aiheuttaa myös ammattisijoittajille epävarmuuksia. Yhdistettynä kauppatilanteisiin ne voivat muuttua vaatimukseksi jopa yli 50 % alemmasta kauppahinnasta.\n\nTutkielman merkittävin johtopäätös on, ettei arvopapereiden kauppahintoja voida arvioida eikä niiden käypiä arvoja määrittää huomioimatta osapuolia. Markkinalla, jossa transaktiot ovat luonteeltaan kahdenkeskisiä, tulee ottaa huomioon sijoittajakohtainen likviditeettiriski.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.027 | 0.047 |
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; both teacher heads agree on what is shown here.
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".