LUTPub

Predicting M&A market reactions with machine learning : a managerial perspective

Thu, 01 Jan 2026 00:00:00 GMT

Predicting M&A market reactions with machine learning : a managerial perspective Vuorensola, Arttu Mergers and acquisitions (M&A) generally fail to create value for the acquiring company's shareholders. Despite this, executing deals is still a popular way to grow a company and acquire a competitive advantage. M&As are high-stakes decisions for corporate management, which is why their failure can significantly destroy shareholder wealth. The objective of this study is to examine whether machine learning models can improve the predictability of the success of M&As in the European markets, and how they can be utilized in support of management's strategic decision-making. The success of an M&A is measured by an event study using short-term cumulative abnormal return as the measure of success. The study compares linear models to nonlinear Random Forest and Gradient Boosting algorithms over the time period 2010–2024. The data were split chronologically: observations from 2010–2021 were used to predict M&A market reactions in 2022–2024. The results show that nonlinear machine learning models performed modestly better than the linear benchmark models, although binary classification performance remained limited. Random Forest achieved the strongest discriminatory power with an AUC of 0.591, followed by Gradient Boosting with an AUC of 0.571. The strongest managerial value was found in the ranking-based analysis: deals in the top decile of the combined Random Forest and Gradient Boosting score achieved a 63.2% success rate, compared with a 51.8% baseline, while the bottom quintile achieved only 40.5%. The findings suggest that machine learning models are more useful as ranking-based decision-support tools than as stand-alone yes/no classifiers, helping management prioritize due diligence resources and flag lower-scored deals for additional scrutiny.; Yrityskaupat eivät yleensä onnistu luomaan arvoa ostajayrityksen osakkeenomistajille. Tästä huolimatta yrityskauppojen tekeminen on edelleen suosittu tapa kasvattaa yritystä ja hankkia kilpailuetua. Yrityskaupat ovat yritysjohdolle korkean panoksen päätöksiä, minkä vuoksi niiden epäonnistuminen voi merkittävästi tuhota osakkeenomistajien varallisuutta. Tämän tutkimuksen tavoitteena on tarkastella, voidaanko koneoppimismalleilla parantaa yrityskauppojen onnistumisen ennustettavuutta Euroopan markkinoilla, ja miten niitä voidaan hyödyntää johdon strategisen päätöksenteon tukena. Yrityskaupan onnistumista mitataan tapahtumatutkimuksella käyttäen lyhyen aikavälin ylituottoa onnistumisen mittarina. Tutkimuksessa vertaillaan lineaarisia malleja epälineaarisiin Random Forest- ja Gradient Boosting -algoritmeihin ajanjaksolla 2010–2024. Aineisto jaettiin kronologisesti siten, että vuosien 2010–2021 havaintoja käytettiin vuosien 2022–2024 yrityskauppojen markkinareaktioiden ennustamiseen. Tutkimustulokset osoittavat, että epälineaariset koneoppimismallit suoriutuivat hieman lineaarisia vertailumalleja paremmin, vaikka binäärinen luokittelukyky jäi kokonaisuutena maltilliseksi. Random Forest saavutti parhaan erottelukyvyn AUC-arvolla 0,591, ja Gradient Boosting saavutti AUC-arvon 0,571. Liikkeenjohdollisesti vahvin tulos saatiin rankinganalyysistä: yhdistetyn Random Forest- ja Gradient Boosting -pisteytyksen ylimpään desiiliin kuuluvien yrityskauppojen onnistumisaste oli 63,2 %, kun testiaineiston perustaso oli 51,8 %, ja alimman kvintiilin onnistumisaste oli vain 40,5 %. Tulokset viittaavat siihen, että koneoppimismalleja kannattaa hyödyntää ensisijaisesti ranking-pohjaisina päätöksenteon tukityökaluina eikä itsenäisinä kyllä/ei-luokittelijoina.

From strategic bricolage to internationalization : the mediating role of business model innovation and the contextual role of the entrepreneurial ecosystem in Finnish SMEs

Thu, 01 Jan 2026 00:00:00 GMT

From strategic bricolage to internationalization : the mediating role of business model innovation and the contextual role of the entrepreneurial ecosystem in Finnish SMEs Syrjälä, Laura The thesis examines the effect of the entrepreneurial ecosystem on the relationships between strategic bricolage, business model innovation, and the internationalization of Finnish small and medium-sized enterprises (SMEs). The study aims to increase understanding of how conditions in the entrepreneurial ecosystem support firms’ innovation activities and international growth. The empirical analysis is based on survey data of 402 Finnish SMEs. The data were analysed by descriptive statistics, reliability analysis, exploratory factor analysis, correlation analysis, multiple regression analysis, mediation analysis, and moderation analysis. The results show that strategic bricolage has statistically significant and positive influence on business model innovation. Business model innovation is also positively related to internationalization. The mediation analysis shows that business model innovation partially mediates the relationship between strategic bricolage and internationalization. The results of the moderation analysis do not support the hypothesis that the entrepreneurial ecosystem strengthens the relationship between strategic bricolage and business model innovation. Of the entrepreneurial ecosystem dimensions, only the institutional environment is statistically significantly and positively related to business model innovation, and none of the dimensions are directly related to internationalization. The results suggest that firms can improve their internationalization performance by creatively leveraging their existing resources and translating these efforts into business model innovation. This study contributes to the literature on entrepreneurial ecosystems, strategic bricolage and business model innovation by identifying the indirect mechanisms through which ecosystem conditions might affect international growth.; Tutkimus tarkastelee yrittäjyysekosysteemin vaikutusta strategisen brikolaasin, liiketoimintamalli-innovaation ja suomalaisten pienten ja keskisuurten yritysten (pkyritysten) kansainvälistymisen välisiin suhteisiin. Tutkimuksen tavoitteena on lisätä ymmärrystä siitä, miten yrittäjyysekosysteemin olosuhteet tukevat yritysten innovaatiotoimintaa ja kansainvälistä kasvua. Empiirinen analyysi perustuu 402 suomalaisen pk-yrityksen kyselyaineistoon. Kvantitatiivista aineistoa analysoitiin kuvailevien tilastojen, luotettavuusanalyysin, eksploratiivisen faktorianalyysin, korrelaatioanalyysin, regressioanalyysin, mediaatioanalyysin ja moderaatioanalyysin avulla. Tulokset osoittavat, että strategisella brikolaasilla on tilastollisesti merkittävä ja positiivinen vaikutus liiketoimintamalli-innovaatioihin. Liiketoimintamalli-innovaatioilla on myös positiivinen yhteys kansainvälistymiseen. Mediaatioanalyysi osoittaa, että liiketoimintamalli-innovaatiot osittain välittävät strategisen brikolaasin ja kansainvälistymisen välistä suhdetta. Moderaatioanalyysin tulokset eivät tue hypoteesia, jonka mukaan yrittäjyysekosysteemi vahvistaisi strategisen brikolaasin ja liiketoimintamalli-innovaation välistä suhdetta. Yrittäjyysekosysteemin ulottuvuuksista vain institutionaalinen ympäristö liittyy tilastollisesti merkittävästi ja positiivisesti liiketoimintamalli-innovaatioihin, eikä mikään ulottuvuuksista liity suoraan kansainvälistymiseen. Tulokset viittaavat siihen, että yritykset voivat parantaa kansainvälistymiskykyään hyödyntämällä luovasti olemassa olevia resurssejaan ja muuntamalla nämä liiketoimintamallien innovoimiseksi. Tämä tutkimus tuo lisäarvoa yrittäjyysekosysteemejä, strategista brikolaasia ja liiketoimintamallien innovointia käsittelevään kirjallisuuteen tunnistamalla epäsuoria mekanismeja, joiden kautta ekosysteemiolosuhteet voivat vaikuttaa kansainväliseen kasvuun.

From passive audit to active control : operationalising explainable AI in supply chain management for intermittent & lumpy demand : can SHAP-based explanations be translated into adaptive, rule-driven safety stock policies that optimize the cost-service trade-off for intermittent and lumpy retail demand?

Thu, 01 Jan 2026 00:00:00 GMT

From passive audit to active control : operationalising explainable AI in supply chain management for intermittent & lumpy demand : can SHAP-based explanations be translated into adaptive, rule-driven safety stock policies that optimize the cost-service trade-off for intermittent and lumpy retail demand? Saif, Rabia Retail inventory management faces a persistent tension between forecast accuracy and operational decision-making. Machine learning models such as gradient-boosted trees have demonstrated superior accuracy over traditional statistical methods on large retail datasets, yet inventory costs frequently fail to improve when these models are paired with static stocking rules that discard the contextual information the forecasts contain. This thesis investigates whether that gap can be closed by extracting and operationalising the explanatory content of a machine learning forecast, rather than treating it as a black-box input to a fixed policy. M5 Walmart dataset is used in this study, including California state, Hobbies department, 2162 SKUs having only intermittent + lumpy demand. Further we develop & evaluate a SHAP-based adaptive inventory policy. Machine learning model XGBoost is trained and then decomposed model’s predictions using SHAP (SHapley Additive exPlanations), attributing each forecast to the individual features driving it. Calendar and event features, including holidays, SNAP benefit days, and promotions, produce large, precisely timed contributions on the days they are active despite modest global importance. To optimize replenishment for intermittent product portfolios, we aggregate local feature attributions into a daily, SKU-level risk score that drives a bidirectional safety stock policy. This system increases inventory buffers during the highest-risk 3% of days and strategically trims stock across the remaining 97%. This adaptive approach cut total inventory costs by 8.0% as compared to a static machine-learning baseline and common calendar knowledge. it secured a 92.2% demand fill rate, while exceeding the 90% operational target. This financial improvement is statistically significant (binomial sign test, p < 0.0001) and holds true for 85.0% of individual SKUs. A baseline calendar heuristic applying identical stock boosts to all event days inflated costs by 10.3%, proving that granular SKU-level discrimination via SHAP rather than raw calendar awareness, drives the optimization. These savings remain robust across backorder-to-holding cost ratios of 3, 5, and 10, and hold directionally consistent across lead times from one to seven days. Ultimately, these results demonstrate that SHAP can function effectively as a live, automated inventory control signal rather than a backward-looking diagnostic, translating minor forecasting improvements into systemic, broad-based cost reductions.

The influence of eco-label recognition on purchase intention and perceived credibility

Thu, 01 Jan 2026 00:00:00 GMT

The influence of eco-label recognition on purchase intention and perceived credibility Marttinen, Markus Sustainability has become an increasingly important topic for businesses to consider. The impacts on environment are vital to disclose especially in businesses that affect vulnerable eco-systems and communities. Eco-labels are used by companies to signal sustainability values to consumers through a third-party certification. The aim of this research is to explore the eco-label knowledge of Finnish consumers and the effects that eco-labels have on their purchase intention and perceived credibility of the company. The chosen eco-labels for this research were Marine Stewardship Council, Aquaculture Stewardship Council and Dolphin Safe. This research was conducted by using quantitative research methods and a deductive approach. The data was gathered with a Webropol online survey. The survey gathered 201 responses, and the data was analysed with IBM SPSS. The results indicated that eco-labels increase the perceived credibility and purchase intention of consumers. The average consumers ability to recognize and understand the selected eco-labels was weak. Furthermore, demographical factors influenced the consumers ability to recognize the eco-labels. The eco-label influenced the consumers purchase intention via two different pathways; directly and indirectly through increasing perceived credibility. The results of this research contribute to the understanding of eco-labels influence on the consumers perceived credibility and purchase intention.; Ympäristöystävällisyys on noussut keskeiseksi aiheeksi yrityksille. Yrityksille on kriittistä huomioida heidän liiketoiminnan vaikutukset ympäristölle erityisesti haavoittuvissa ekosysteemeissä ja yhteisöissä. Yritykset käyttävät ympäristömerkkejä viestiäkseen kestäviä arvoja kuluttajille kolmannen osapuolen sertifikaationprosessin kautta. Tämän tutkimuksen tarkoitus on selvittää Suomalaisten kuluttajien ymmärrystä ympäristömerkeistä ja niiden vaikutuksesta ostohalukkuuteen ja havaittuun uskottavuuteen. Tähän tutkimukseen valitut ympäristömerkit ovat Marine Stewardship Council, Aquaculture Stewardship Council ja Dolphin Safe. Tämä tutkimus toteutettiin käyttäen kvantitatiivisiä tutkimusmenetelmiä ja deduktiivista lähestymistapaa. Tarvittava data kerättiin Webropol online kyselyllä johon kerääntyi 201 vastausta. Datan analysointiin käytettiin IBM SPSS ohjelmistoa. Tulokset indikoivat että ympäristömerkin tunnistaminen nostaa kuluttajien ostohalukkuutta ja yrityksen havaittua uskottavuutta. Keskivertokuluttajan kyky tunnistaa valittuja ympäristömerkkejä oli heikko. Demografiset tekijät vaikuttivat kuluttajien kykyyn tunnistaa ympäristömerkkejä. Ympäristömerkki vaikutti kuluttajien ostohalukkuuteen kahdella eri tavalla; suoraan ja epäsuoraan nostamalla ensin yrityksen havaittua luotettavuutta. Tutkimuksen tulokset edistävät ympäristömerkkien ja niiden vaikutusten ymmärrystä.