Merger waves and the structure of merger and acquisition time-series
并购浪潮与并购时间序列的结构AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究并购活动时间序列的马尔可夫转换、ARIMA 比较和滤波。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
并购浪潮与并购时间序列的结构
- 研究问题
- 并购活动是否呈现可识别的浪潮，这种时间序列模式能否用高、低活跃状态之间的转换来描述？
- 方法与思路
- 作者估计两状态马尔可夫转换模型，用线性和非线性诊断检验评估拟合，并通过非线性滤波推断浪潮日期。
- 材料陈述的贡献
- 摘要称，两状态模型对并购序列的拟合优于 ARIMA，并可将活动模式描述为高低状态转换，推断浪潮的具体日期。
- 阅读关注点
- 应核对数据范围、状态含义、转移概率和诊断标准，并检查浪潮日期的滤波推断及其不确定性如何呈现。
- 阅读边界
- 所给 RePEc 出版社摘要未说明样本、拟合差异或日期误差，不能据此认定存在预测优势或已解释并购浪潮的成因。
原文摘要
What is the best characterization of mergers and acquisitions time-series? The traditional response is that mergers occur in "waves." I estimate a two-state, Markov switching-regime model which should capture wave structure if it is present in the data. Linear and nonlinear diagnostics tests suggest that the switching regime model fits the data well, and better than ARIMA models. Said differently, the underlying pattern in the M&A data can be characterized by dichotomous shifts between high and low levels of activity. In addition, objective inferences about the precise dates for these waves are available through a nonlinear filter. Copyright 1992 by John Wiley & Sons, Ltd.