Файл: Влияние слияний компаний на концентрацию в отрасли (по выбору).pdf

Таблица 3. Результаты трех моделей (для компаний-поглотителей)

Проведем регрессионный и корреляционный анализ данных моделей попарно.

Таблица 4. Регрессионный и корреляционный анализ моделей рыночного индекса и расчета среднего значения (для компаний-поглотителей)

В таблице выше приведены данные регрессионного анализа для модели рыночного индекса и модели расчета среднего. Мы видим не очень высокий R-квадрат (36%), что говорит нам о том, что одна модель может объяснить другую лишь на 36%. Коэффициент корреляция между двумя моделями является достаточно высоким 60%, что свидетельствует о высокой зависимости между данными.

Таблица 5. Регрессионный и корреляционный анализ моделей расчета среднего значения и CAPM (для компаний-поглотителей)

При сравнении моделей расчета среднего и CAPM мы видим, что R-квадрат (26%) и коэффициент корреляции (51%) ниже, чем при сравнении моделей рыночного индекса и расчета среднего.

Таблица 6. Регрессионный и корреляционный анализ моделей рыночного индекса и CAPM (для компаний-поглотителей)

Сравнивая модели рыночного индекса и CAPM, мы видим, что R-квадрат (5%) и коэффициент корреляции (23%) являются наименьшими из трех случаев. На основе чего мы можем сделать вывод, что данные две модели показывают наиболее разные результаты и являются наиболее независимыми.

Проверим все три модель на адекватность с помощью F-теста. F-расчетное (1/F -значимость) будет во всех случаях меньше F-критического даже на уровне 0,1%. Следовательно, можно утверждать о достаточно высокой степени адекватности данных.

Анализируя результаты трех моделей при расчете избыточной доходности для компаний-поглотителей можно сделать следующие выводы:

• CAR во всех трех моделях является отрицательной величиной, что подтверждает гипотезу 2.
• В день объявления о сделке (D0) наблюдается положительная избыточная доходность. Учитывая, что кумулятивная избыточная доходность отрицательная, можно сказать, что данный день оказывает существенный эффект на итоговую общую доходность.
• Модель рыночного индекса и модель на основе расчета среднего значения за предыдущие 120 дней показывают схожие результаты. Причем модель рыночного индекса показывает в среднем более высокие значения избыточной доходности.
• Результаты, полученные при расчете нормальной доходности на основе модели CAPM, существенно отличаются от остальных моделей. За счет более высокой избыточной доходности в день объявления о сделке (D0) средняя кумулятивная избыточная доходность в данной модели является наибольшей.
• Модели расчета избыточной доходности на основе CAPM и рыночного индекса являются наиболее независимыми друг от друга. Высокой корреляцией обладают модели рыночного индекса и расчета среднего значения.

3.2 Анализ и сравнение методик расчета для компаний-целей

Для анализа компаний-целей была использована выборка, состоящая из 51 компании. В данном случае также было использовано три подхода для расчета избыточной доходности. Все подходы дали статистически значимые результаты (p<0.0001).

Рассмотрим данные, рассчитанные при помощи модели среднего значения. Средняя кумулятивная избыточная доходность является отрицательной (-0,29%). В данном случае наибольшая средняя избыточная доходность наблюдалась в день объявления о сделке (D0) и составила 0,45%. Важно отметить, что средняя избыточная доходность за дни после объявления о сделке является отрицательной Наименьшее значение наблюдается во второй день (D+2) и составляет -0,44%. В данном случае полученные данные противоречат гипотезе о том, что накопленная избыточная доходность для компаний-целей, как правило, является положительной.

Теперь перейдем к анализу данных, полученных с помощью модели рыночного индекса. Накопленная избыточная доходность является положительной (0,45% не включая дату объявления о сделке, 1,14% включая), что подтверждает вышеупомянутую гипотезу. Отрицательная избыточная доходность наблюдается только на второй день после объявления о сделке (D+2) и составляет -0,20%. Наибольшая избыточная доходность зафиксирована на следующий день после объявления о сделке (D+1) и составляет 0,69%.

В данном случае модель рыночного индекса также показывает похожие, но более высокие значения. Разница между этими двумя моделями является более значительной, чем для компаний-поглотителей, (смотри таблицу ниже).

Таблица 7. Сравнение результатов модели на основе среднего значения и модели рыночного индекса (для компаний-целей)

При использовании модели CAPM среднее значение CAR получилось -1,87%, что, как и при использовании модели расчета среднего значения, противоречит изначальной гипотезе. Единственная положительная доходность была зафиксирована в день объявления о сделке (D0) и составила 0,56%. Наименьшее значение мы получили на третий день (D+3) в размере -0,73%. Таким образом, данные на основе модели CAPM также существенно отличаются от данных, полученных на основе других моделей. Особенно сильно отличаются данные модели CAPM от данных модели рыночного индекса: в модели CAPM показатели существенно выше, особенно к концу периода (D+4, D+5)

Таблица 8. Результаты трех моделей (для компаний-целей)

Также как и в случае с компаниями-поглотителями проведем корреляционный и регрессионный анализ моделей попарно.

Таблица 9. Регрессионный и корреляционный анализ моделей CAPM и расчета среднего значения (для компаний-целей)

Из таблицы выше мы видим, что модель CAPM и модель расчета среднего значения имеют высокий R-квадрат, что говорит о том, что одна модель может в достаточно высокой степени объяснить другую. Высокую взаимосвязь между данными двух моделей также подтверждает высокий коэффициент корреляции 82%.

Таблица 10. Регрессионный и корреляционный анализ модели CAPM и модели рыночного индекса (для компаний-целей)

Что касается сравнения моделей CAPM и рыночного индекса, то в данном случае мы видим более низкий R-квадрат (49%), но все еще высокую корреляцию данных (70%).

Таблица 11. Регрессионный и корреляционный анализ модели расчета среднего значения и модели рыночного индекса (для компаний-целей)

В случае с моделью рыночного индекса и моделью на основе расчета среднего значения результаты регрессионного и корреляционного анализа очень похожи на результаты анализа моделей CAPM и расчета среднего. Здесь мы также видим R-квадрат равный 68% и коэффициент корреляции равный 82%.

Подводя итог анализу трех моделей для компаний-целей можно заключить следующее:

• Гипотезу о том, что кумулятивная избыточная доходность для компаний-целей является положительной величиной, подтверждает только модель рыночного индекса.
• В день объявления о сделке во всех трех моделях наблюдается положительная величина избыточной доходности. Данная величина является очень высокой и, следовательно, оказывает наибольший эффект (существенно более высокий, чем в случае с компаниями-поглотителями) на итоговый результат.
• Модель рыночного индекса и модель на основе расчета среднего значения за предыдущие 120 дней также показывают схожие результаты. С той лишь разницей, что для компаний-целей наблюдаемая разница является в среднем еще более высокой
• Результаты, полученные при расчете нормальной доходности на основе модели CAPM, также существенно отличаются от остальных моделей. Однако для компаний-целей CAR при использовании модели CAPM является существенно более отрицательным.
• Все три модели при попарном сравнении показали высокие коэффициенты корреляции (больше 70%), а сравнивая модели CAPM и модели рыночного индекса с моделью на основе расчета среднего значения, мы получили почти одинаковые коэффициенты корреляции и R-квадрат.

3.3 Анализ влияния объема и вида сделки на объем кумулятивной избыточной доходности

В данном параграфе будет произведен анализ влияния объема и вида сделки (транснациональная или внутренняя) на объем кумулятивной избыточной доходности компании-цели.

Для этого построим модель с двумя критериями. Для анализа объема в качестве переменной будем учитывать натуральный логарифм объема сделки. Использование натуральных логарифмов позволяет упростить процедуру интерпретации результатов регрессии, так как величина кумулятивной избыточной доходности является суммой процентных величин, вследствие чего и сама выражается в процентах.

В качестве второй переменной используется дамми-переменная, заданная 1 в случае, если сделка является транснациональной, и 0, если сделка является внутренней.

С помощью регрессионного анализа проанализируем совокупное влияние двух факторов на итоговый результат. Также попробуем применить данную модель к трем подходам, использованным выше: расчета нормальной доходности как среднего за 120 дней до сделки, расчета на основе модели CAPM и модели рыночного индекса.

Начнем с анализа модели на примере подхода при расчете среднего значения.

Таблица 12. Регрессионный анализ модели с расчетом нормальной доходности на основе среднего

Для начала проверим модель на адекватность с помощью F-теста. F расчетная равна 1,35 (1/0,74), что меньше F критического (2,2 по таблице распределения Фишера), следовательно, можно говорить о высокой степени адекватности анализируемых данных.

R квадрат в данном случае составляет всего 3%. Это говорит о том, что такие факторы как вид сделки (транснациональная или внутренняя) и объем сделки объясняют лишь 3% колебаний данных, все остальное приходится на другие факторы.

Кроме того, F значимость в данном случае равняется 0,48, что является достаточно высоким показателем и говорит о том, что обнаруживается неустойчивая взаимосвязь рассматриваемой функции и воздействующих факторов.

Проверим на адекватность также отдельные коэффициенты регрессии. Начнем с проверки с помощью t-критерия. Все коэффициенты являются значимыми на уровне 0,05, так как t-критерий не превышает по абсолютной величине показатель 1,96. В нашем случае t-критерии равны, соответственно, 1,04, 1,09, 0,46.

Однако при оценке с помощью показателя p, все критерии оказываются незначимыми, так как их p-значение превышают коэффициент p, даже при 90% доверительном вероятности (0,1<0,3, 0,28, 0,65)

Таким образом, можно сделать вывод о том, что данные показатели являются скорее незначимыми (по критериям R-квадрат и p) и не оказывают влияния на итоговый объем накопленной избыточной доходности при расчете нормальной доходности на основе расчета среднего значения за предыдущие 120 дней. Следовательно, изначально поставленные гипотезы 3 и 4 по результатам регрессионного анализа для данной модели не подтвердились.

Далее рассмотрим модель на основе рыночного индекса.

Таблица 13. Регрессионный анализ модели с расчетом нормальной доходности на основе модели рыночного индекса

Начнем с общей проверки модели на адекватность. F расчетное равно 0,67 (1/1,48), что меньше F критического 2,2. Следовательно, модель обладает высокой степенью адекватности.

R-квадрат равен всего 6%, что больше, чем при модели на основе среднего значения, однако все еще недостаточно, чтобы назвать существенным влияние выбранных коэффициентов на объем кумулятивной избыточной доходности. Это также подтверждает и высокое значение F значимости (0,24).

Проверка отдельных коэффициентов на значимость с помощью t-критерия говорит о том, что все коэффициенты являются значимыми (1,96>1,7, 1,45, 0,82). При этом проверка по критерию p дает обратный результат: критерии являются незначимыми, так как их p-значение превышает критический порог в 0,05 и даже 0,1.

Таким образом, для модели рыночного индекса гипотезы 3 и 4 также не подтвердились, а представленные коэффициенты имеют неустойчивую взаимосвязь с рассматриваемой функцией.

Наконец перейдем к рассмотрению результатов регрессионного анализа при подходе на основе модели CAPM

Таблица 14. Регрессионный анализ модели с расчетом нормальной доходности на основе CAPM

Сначала также проверим модель на адекватность с помощью F критерия. F расчетное равно 0,34 (1/2,92), что меньше F критического (2,2) и говорит о высокой адекватности модели.

R-квадрат в данном случае составляет 11%, что выше, чем в моделях на основе среднего и рыночного индекса. Это говорит о том, что такие факторы как вид и объем сделки лучше объясняют колебания кумулятивной избыточной доходности при расчете нормальной доходности на основе модели CAPM. Однако данное значение все равно является достаточно низким, так как 89% колебаний CAR все еще приходится на другие специфические факторы.