Файл: Общая эффективность интернациональных сделок слияний и поглощений в высокотехнологичных отраслях.pdf

Объясняющие переменные

HIGH – бинарная переменная, обозначающая принадлежность приобретаемой компании к высокотехнологичной отрасли: 0 – не принадлежит, 1 - принадлежит

DEV – бинарная переменная, обозначающая принадлежность приобретаемой компании к развитому рынку капитала: 0 – не принадлежит, 1 - принадлежит

SIZE – размер компании-покупателя, представленный в виде общего количества ее активов на дату анонсирования сделки. Переменная выбрана на основе анализа работы Aybar and Ficici (2009), где размер компании также выражался через активы компании.

EGON – количество уволившихся работников компании-цели. Представляет собой разницу между количеством работников на момент объявления о сделке и спустя 3 месяца. Идея заключается в том, что решившие уйти после объявления работники не могут зачастую себе позволить сделать это сразу ввиду отсутствия иного рабочего места. Таким образом, требуется время для того, чтобы покинуть свою позицию в данной компании. Опыт показывает, что в среднем для этого достаточно нескольких месяцев.

DIPL – уровень дипломатических отношений между странами, к которым принадлежат агенты сделки. В зависимости от дипломатического представительства со стороны государства компании-покупателя в государстве компании-цели принимает следующие значения: 1 – какое-либо сотрудничество, не характеризующееся наличием представительства в странах, а также слабым экономическим сотрудничеством; 2 – предполагает наличие экономического сотрудничества, в том числе сниженные таможенные пошлины; 3 – полное экономическое и дипломатическое сотрудничество. Данные были получены из базы «Проекта Коррелятов войны» (Correlates of War project).

EDIS – экономическая дистанция между странами, к которым принадлежат агенты сделки. С помощью базы данных Фрейзерского Института о свободе торговли в странах [43] (Fraser Institute’s World Economic Freedom) каждой стране были присвоены значения от 1 (нерыночная экономика) до 10 (абсолютно рыночная экономика). Затем была посчитана разница между данными значениями, что в конечном итоге дало показатель институциональной дистанции.

Контрольные переменные

DVAL – стоимость сделки. Переменная, необходимая для анализа влияния затраченных средств на сделку M&A на успех сделки. Используется в описанной выше статье автора Zhu et al. (2015).

CASH – структура оплаты сделки. Бинарная переменная, принимающая значений 1, если оплата была произведена только наличными и 0 в ином случае.

ROA (Return on Assets) – доходность активов. Финансовый показатель, который в общем случае показывает эффективность всей деятельности компании.

PUB – публичность компании. Бинарная переменная, отвечающая за факт публичности (1) или приватности (0) компании.

QTOB – q-Тобина. Финансовый показатель, отражающий отношение рыночной стоимости компании к ее бухгалтерской стоимости. Учитывая тот факт, что компании в высокотехнологичной отрасли имеют большой потенциал развития, можно сделать вывод, что рынок должен оценивать стоимость данных компаний выше их фактической бухгалтерской стоимости. Таким образом, для данной работы ожидаются относительно высокие значения данного показателя, а также значимость его влияния.

Для проверки робастности результатов регрессии (7) будет использована бинарная логистическая регрессия, в которой новая целевая переменная BSCAR(T₁,T₂) принимает значение 1, если она положительна, и 0 в ином случае. Все регрессоры при этом остаются прежними:

ГЛАВА 3. АНАЛИЗ И РЕЗУЛЬТАТЫ

3.1 Дескриптивная статистика и общие выводы

Для тестирования модели и непосредственного анализа необходимо в соответствии с приведенной методологией определить значимость целевой переменной SCAR для всех событийных окон. Для этого использовалась определенная ранее Z-статистика. Проанализируем Таблицу 2, описывающую средние значения для SCAR, а также Z-статистику.

Первый вывод, который можно сделать, исходя из представленной таблицы, - значимость стандартизированных избыточных доходностей для всех окон событий ввиду значений Z-статистики. Также можно сказать, что для любого выбранного окна событий средняя стандартизированная избыточная доходность отрицательна и убывает по мере уменьшения периода окна событий. Таким образом, можно заключить, что в среднем сделки слияний и поглощений отрицательно влияют на эффективность сделки M&A. Для более тщательного анализа следует обратиться к значениям стандартизированных избыточных доходностей для разных подвыборок, отобранных по определенным признакам модели. Это позволит уточнить и детализировать предыдущие выводы.

На основе наблюдений из Таблицы 3 можно вывести следующие факты. Во-первых, сделки M&A в высокотехнологичных отраслях и на развитых рынках капитала имеют положительное моментальное влияние на эффективность, но при анализе больших временных окон влияние становится отрицательным. При этом сделки, совершаемые в условиях соответствия двум критериям одновременно, также следуют данной закономерности. Во-вторых, в сделках, совершаемых в невысокотехнологичных отраслях развивающихся рынков наблюдается противоположное предыдущему влияние на эффективность: положительное для больших временных окон и отрицательное для малых. Таким образом, можно заключить, что в рамках исследования долгосрочного влияния сделки на избыточные доходности, оно оказывается положительным только для компаний, не принадлежащих ни высокотехнологичным отраслям, ни развитым рынкам капитала.

3.2 Проверка наличия эконометрических проблем модели

Перед интерпретацией результатов необходимо убедиться в качестве тестируемых моделей, проанализировав их на наличие эконометрических проблем.

В первую очередь стоит отметить значения коэффициента детерминации R²: для основной линейной регрессии он составил 0.35, 0.31, 0.28 и 0.22 для каждого из событийных окон; для логит-модели данный показатель составил, соответственно, 0.27, 0.3, 0.21 и 0.2. Данные факты говорят об относительно неплохой объясняющей способности переменных модели.

Далее был проведен RESET-тест Рамсея. Для первых трех основных моделей нулевая гипотеза о верной спецификации модели не отвергается на любом допустимом уровне значимости, тогда как последняя – на 5%-ом. Для логит-моделей нулевая гипотеза не отвергается на 5%-ом уровне значимости для первых двух окон и на 10%-ом уровне значимости для последних двух. Это говорит о том, что представленная модель с большой долей вероятности учитывает все основные объясняющие факторы.

Для проверки наличия мультиколлинеарности был найден показатель . Минимальное значение данного коэффициента – 1.05 – соответствует переменной EDIS, тогда как максимальное – 2.1 – переменной SIZE как для основной, так и для логит-моделей. Соответственно, ввиду небольших значений VIF можно сделать вывод об отсутствии в модели проблемы мультиколлинеарности.

Что касается проблемы гетероскедастичности, имеются следующие результаты: для всех событийных окон основной модели p-Value больше любого приемлемого уровня значимости, что характерно и для первых трех событийных окон логит-модели. Для последнего окна логит модели наблюдается значимость на 10%-ом уровне. Данные выводы дают право говорить о постоянной величине дисперсии в выборке.

3.3 Тестирование модели и гипотез

Перед анализом результатов тестирования необходимо выделить взаимосвязь между переменными модели, обозначив их попарные корреляции. Таблица 4 таким образом дает дескриптивную статистику всех переменных модели, а также их корреляционную матрицу.

Как видно, модель показала незначительные зависимости между переменными регрессии, что с большой долей вероятности говорит об отсутствии мультиколлинеарности. Тем не менее, для строгого доказательства отсутствия данной проблемы далее будет посчитан показатель VIF. Анализ корреляционной матрицы позволяет перейти к непосредственному тестированию модели.

Объясняющие переменные и гипотезы

В первую очередь необходимо описать результаты тестирования гипотез. Гипотеза (1.1) отвергается для первых двух событийных окон (см. Табл. 5). Данный факт говорит о том, что для средних и больших событийных окон имеет место отрицательное влияние на эффективность сделки. Тем не менее, в рамках оценки малых событийных окон результаты говорят о положительном влиянии на избыточную доходность акций. Объяснить данные результаты можно следующим образом. Во-первых, возможна утечка информации за пару дней до анонса сделки, что влечет за собой рост стоимости акций компании. Во-вторых, моментальный рост акций является временным явлением и в долгосрочной перспективе существует проблема отрицательной доходности акций, объясняемая сложностью интеграции приобретенных ресурсов компании.

Аналогичная зависимость наблюдается для переменной принадлежности к высокотехнологичной отрасли (DEV), что позволяет также отвергнуть Гипотезу (1.2). Значимое отрицательное влияние при средних и больших событийных окнах может объясняться тем, что в условиях средне- и долгосрочного анализа приобретение компании с развитого рынка капитала не дает преимуществ роста ввиду устоявшейся экономической конъюнктуры. Незначимые положительные коэффициенты для малых событийных окон можно интерпретировать как ожидание перспективного слияния со стороны инвесторов.

Третья из основных гипотез (1.3) не принимается на 5%-ом уровне значимости. Ввиду того, что первые две подгипотезы были отвергнуты, можно говорить о том, что переменная (HIGH*DEV), отвечающая за принадлежность компании-цели высокотехнологичной отрасли развитых рынков капитала, должна и фактически имеет также отрицательное влияние на эффективность сделки по совокупности причин, описанных ранее. Тем не менее, незначимый положительный коэффициент для событийного окна (-2, +1) и отрицательный для (-1, +1) позволяет сказать об отсутствии определенного воздействия на показатель SCAR в рамках анализа краткосрочных эффектов.

Как видно из Таблицы 5, незначимые коэффициенты при переменной размера компании-покупателя не дают однозначного ответа о векторе воздействия на целевую переменную. Данный вывод соотносится с результатами тестирования модели в работе Aybar and Ficici (2009), где авторы также выявили незначимость данной связи. Тем не менее, квадрат размера компании для среднего и малого событийных окон значим и имеет положительную зависимость с эффективностью сделки. Объяснить это можно тем, что существует оптимальный размер компании, обеспечивающий максимальное положительное влияние на ее стоимость в условиях сделок M&A. При этом отклонение в сторону еще большего размера или в сторону меньшего размера компании влечет за собой отрицательное воздействие на доходность ее акций. Таким образом, последняя Гипотеза (2) не отвергается.