并购预测与可视化利用经济复杂性
摘要：并购交易是重要的商业交易形式，由于交易涉及的规模和公司创新活动的作用，因此备受重视。然而，经济复杂性方法尚未应用于该领域的研究。通过考虑约一千家公司的专利活动，我们开发了一种方法来预测未来的并购交易，假设公司更频繁地与技术相关的公司进行交易。我们解决了预测未来交易双方的问题，以及在给定收购者时找到目标公司的问题。我们比较了不同的预测方法，包括机器学习和基于网络的算法，结果显示，简单的角度距离加上行业部门信息的方法优于其他方法。最后，我们提出了"持续公司空间"，这是一种用于可视化公司技术接近度和可能交易的二维表示。公司和政策制定者可以利用这种方法来确定最有可能进行交易的公司，或者探索可能的创新战略。
作者：Lorenzo Arsini and Matteo Straccamore and Andrea Zaccaria
论文ID：2210.07292
分类：Physics and Society
分类简称：physics.soc-ph
提交时间：2023-04-26