Pienten ja keskisuurten yritysten investointimallit yrityskaupoissa : Millaisia investointimalleja yritykset käyttävät suunnitellessaan yrityskauppoja?
Bibliographic record
Abstract
Tutkielma tutkii yrityskaupoissa käytettäviä investointimalleja pienten ja keskisuurten yritysten sektorilla Suomessa. Investointimalleja esitellään kirjallisuudessa usein perinteisten investointien, kuten koneiden yhteydessä. Investointi on kuitenkin myös laajentumista toisaalle, jolloin toinen yritys ostaa omistukseensa toisen yrityksen, ja tekee tästä tytäryhtiönsä. Investointimalleista tutkielmassa esitellään paremmin diskontatun rahavirran mallit, joista nettonykyarvomenetelmä ja sisäisen korkonannan menetelmä ovat yleisimmin käytetyn mallit käytännössä. Näiden kahden mallin välillä on käyty pitkään väittelyä toisen paremmuudesta. Tähän tutkielma ottaa kantaa kirjallisuuteen perustuen ja tuo esiin väittelyä eteenpäin vieviä teoksia. Tutkielmassa esitellään lyhyesti myös muita perinteisiä investointimalleja, kuten takaisinmaksuajanmenetelmä. Tutkimuksessa pyrittiin rajaamaan kirjallisuus 2000-luvun teoksiin pois lukien investointimallien ensimmäiset esitykset. Yrityskaupat nähdään tärkeänä laajentumisen mallina. Suomessa on tällä hetkellä meneillään Kiina-ilmiö, jolla tarkoitetaan kiinalaisten pääomasijoittajien rantautumista Suomeen. Se on mahdollistanut useiden yrityskauppojen synnyn viime vuosikymmenenä. Tutkielma esittelee teoreettisin osin yrityskaupoissakin käytetyn reaalioptio-mallin. Tutkimus pyrkii lisäämään ymmärrystä pk-sektorilla tapahtuvista yrityskaupoista Suomessa ja etenkin niiden suunnittelusta. Tutkimus toteutettiin kirjallisuuden pohjalta luodulla teemahaastattelulla. Haastattelukohteita oli yhteensä kolme, joista jokainen on työskennellyt pitkään yrityskauppojen parissa. Haastatteluilla pyrittiin saamaan käytäntöä kuvaavia vastauksia teorian pohjalta luotuihin hypoteeseihin sekä tutkimuskysymykseen. Haastatteluiden pohjalta pystyttiin saamaan tarpeeksi selkeä kuva Suomalaisten pk-sektorin yritysten tavoista ja syistä hyödyntää investointimalleja. Esille nousi myös uusia huomioita siitä, miksi pienen kokoluokan yrityksissä jätetään investointimallit hyödyntämättä.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.011 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.056 | 0.008 |
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".