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

Следующим пунктом анализа является оценка эффективности сделок в зависимости от того, являлась ли она трансграничной или нет. Результаты приведены в Таблице 7.

Таблица 7 – Показатель CAAR в зависимости от территориальности сделки

Источник: Расчеты автора

Как видно из таблицы, то кумулятивная аномальная доходность сделок, совершаемых внутри одно страны на 1,5% выше, чем для тех, что задействуют компании из разных стран. Это может быть вызвано неполнотой знаний акционеров относительно тех компаний, что находятся за пределами их страны, и следующим из этого опасениями. Исходя из тех предположений, что были сделаны в главе с методологией, такие результаты могут свидетельствовать о том, что вертикальные сделки являются более эффективными, чем горизонтальные, с точки зрения акционеров.

Наконец, финальным моментом событийного анализа является исследование эффективности сделок в динамике. На Рисунке 13 представлены значения CAAR для каждого года, начиная с 1998.

Источник: Расчеты автора

Рисунок 13 – Динамика изменения показателя CAAR по годам

Как можно заметить, в первые годы наблюдений наблюдался цикл протяженностью 3-4 года, который характеризовался резким подъемом аномальных доходностей, и последующим их снижением вплоть до отрицательных значений. Такое поведение аномальных доходностей можно связать с цикличностью отрасли черной металлургии, о которой ранее шла речь. Еще одним подтверждением цикличности может служить тот факт, что, начиная с кризисного 2008-го года аномальные доходности продемонстрировали резкое падение и восстанавливались от кризиса последующие три года.

Подводя итог событийного анализа, можно сделать вывод, что в целом сделки слияния и поглощения в отрасли черной металлургии являются эффективными. При этом значимыми оказались значения только на коротких окнах событий. Было отмечено, что показатель средней кумулятивной доходности достаточно сильно варьируется между странами, но при этом наблюдаются стабильные результаты для ряда развитых стран. Что касается территориальности сделок, то внутренние сделки, которые в основном являются вертикальными, оказались более эффективными, чем трансграничные сделки. И наконец, отрасль черной металлургии в очередной раз подтвердила свою цикличность, продемонстрировав циклические изменения аномальной доходности и ярко выраженное влияние мирового финансового кризиса на результаты в отрасли.

После описания результатов событийного анализа мы переходим ко второй части исследования – описанию результатов регрессионного анализа.

3.2 Результаты регрессионного анализа

Перед представлением результатов анализа стоит пояснить, что в качестве показателя CAR для регрессии были взяты значения, полученные при применении модели со средней доходностью на окне события [-1; +1], как показатель с наиболее высоким показателем t-статистики.

Для получения данных результатов был проведен регрессионный анализ по 287 наблюдениям с помощью метода наименьших квадратов (МНК).

В Таблице 8 представлены результаты регрессионного анализа с использованием различных спецификаций модели.

Таблица 8 – Результаты регрессионного анализа для различных спецификаций модели

** - значимо на уровне значимости 1%, * - значимо на уровне значимости 5%

Источник: Расчеты автора

Как видно из таблицы, в случае модели с тремя факторами, значимым оказался лишь фактор территориальности, поэтому было решено специфицировать модель путем удаления фактора с наибольшим p-value, и таким фактором оказалась доля, перешедшая в ходе сделки. В результате данной операции оба оставшихся фактора оказались значимыми, но несмотря на это, было решено проверить, как поведет себя модель, если исключить наименее значимый фактор второй раз. И в данном случае качество модели ухудшилось, поэтому было решено использовать модель с двумя переменными – Value и Border, в качестве итоговой.

После этого было проверено наличие мультиколлинеарности с помощью показателя VIF, который показал отсутствие данного явления в полученной модели. Гетероскедастичность была проверена с помощью тестов Голдфилда-Кванта и Бройша-Пэгана, которые указали на ее отсутствие.

На основании этого мы имеем право предполагать, что оценки коэффициентов, полученные в результате анализа, являются BLUE – наилучшими линейными несмещенными оценками.

Если вернуться к полученным коэффициентам регрессии, то их можно интерпретировать следующим образом:

• Повышение объема сделки на 1 млн долларов повышает кумулятивную аномальную доходность на 0,00017%
• Трансграничные сделки в среднем имеют кумулятивную аномальную доходность на 1,6% ниже, чем сделки, проходящие внутри страны.

Если первый факт довольно очевиден, так как более высокий объем сделки повышает ожидания акционеров относительно данной сделки и позволяет им надеяться на более активный рост цены акций компании-поглотителя в будущем. То объяснить второй фактор представляется более затруднительным. Данные результаты совпадают с теми, что были получены в ходе событийного анализа. Причиной может явиться тот факт, что акционеры внутри страны менее осведомлены о ситуации и компаниях за ее пределами, и поэтому относятся к таким сделкам с большей опаской.

Проведение регрессионного анализа позволило выявить те факторы, которые оказывают влияние на аномальную доходность, и среди таких факторов оказались объем сделки и ее территориальность. Знание того, какие факторы влияют на аномальную доходность может помочь как менеджерам компаний делать более эффективные инвестиции, основываясь на данных факторах, так и акционерам понимать, чего ожидать от той или иной сделки.

ЗАКЛЮЧЕНИЕ

В рамках данной работы была проведена оценка эффективности сделок слияния и поглощения в отрасли черной металлургии. В ходе исследования были выполнены все поставленные цели и задачи.

В первую очередь, мы познакомились с отраслью черной металлургии, выявили ее особенности и рассмотрели структуру. Далее, мы перешли к изучению существующих методов оценки эффективности. Было обнаружено, что в имеющейся научной литературе используется пять основных методов. После сопоставления плюсов и минусов каждого метода было решено использовать метод событийного анализа, который является основным методом для решения подобных задач. При этом было решено использовать три различных модели расчета ожидаемой доходности и четыре разных по продолжительности событийных окна. Для проведения исследования было необходимо наличие качественной и при этом достаточно большой выборки по сделкам слияния и поглощения. С этой целью был использован терминал Bloomberg Professional, с помощью которого были получены данные, после отчистки в которых присутствовало 287 наблюдений с 1998 по 2017 год.

На основе имеющихся данных был проведен событийный анализ. Его результаты показали, что в среднем кумулятивная аномальная доходность акций компаний-поглотителей положительна, что означает, что сделки являются эффективными. Полученные результаты по аномальной доходности были проверены на значимость, и для дальнейшего анализа использовались лишь те показатели, которые оказались значимы. К тому же было обнаружено, что кумулятивная аномальная доходность падает с ростом величины событийного окна. Этот факт наряду с незначимостью некоторых показателей послужил причиной для того, что для дальнейшего анализа были использованы только короткие окна событий.

Кроме того, было обнаружено, что эффективность сделок довольно сильно разнится в зависимости от того, в какой-стране расположена компания-поглотитель. Что касается территориальности сделок, то оказалось, что внутренние сделки являются более эффективными, нежели трансграничные. Объяснением данного явления может служить более высокая осведомленность акционеров относительно компаний, находящихся в той же стране. Разделение выборки по годам и оценка кумулятивных аномальных доходностей для каждого года в очередной раз показали цикличность отрасли черной металлургии и ее подверженность событиями, происходящим в мировой финансовой системе.

Далее, был проведен регрессионный анализ, целью которого было выявление тех факторов, которые влияют на эффективность сделок слияния и поглощения. После спецификации модели было выявлено, что такими факторами оказались объем сделки и территориальное расположение компании-цели в зависимости от расположения компании-поглотителя. При этом зависимость с первым фактором оказалась положительной, а со вторым – отрицательной.

Стоит отметить тот факт, что не были использованы более сложные многофакторные модели определения ожидаемой доходности ввиду сложностей со сбором необходимых данных для большой выборки. Тем не менее, три модели, которые были использованы в ходе исследования дали достаточно схожие результаты, что дает основания полагать, что данные результаты являются репрезентативными.

Что касается дальнейших исследований, то, во-первых, можно исследовать большее количество факторов, влияющих на эффективность, например, дружественная или враждебная сделка и т.д. Во-вторых, можно разбить выборку и более подробно проанализировать эффективность в отдельных категориях, например, в вертикальных и горизонтальных сделках. И наконец, можно применить другие методы оценки эффективности и затем сравнить результаты с полученными в данном исследовании.

Список литературы

1. Berman J., Pfleeger J. Which industries are sensitive to business cycles //Monthly Lab. Rev. – 1997. – Т. 120. – С. 19.
2. Bernanke B. S. Irreversibility, uncertainty, and cyclical investment //The Quarterly Journal of Economics. – 1983. – Т. 98. – №. 1. – С. 85-106.
3. Bradley M. Interfirm tender offers and the market for corporate control //Journal of business. – 1980. – С. 345-376.
4. Bradley M., Desai A., Kim E. H. Synergistic gains from corporate acquisitions and their division between the stockholders of target and acquiring firms //Journal of financial Economics. – 1988. – Т. 21. – №. 1. – С. 3-40.
5. Brealey R. A. et al. Principles of corporate finance. – Tata McGraw-Hill Education, 2011.
6. Brock J. Merger mania and its discontents: the price of corporate consolidation //Multinational Monitor. – 2005. – Т. 26. – №. 7/8. – С. 10.
7. Brown S. J., Warner J. B. Using daily stock returns: The case of event studies //Journal of financial economics. – 1985. – Т. 14. – №. 1. – С. 3-31.
8. Burns A. F., Mitchell W. C. Measuring Business Cycles National Bureau of Economic Research //New York. – 1946.
9. Carhart M. M. On persistence in mutual fund performance //The Journal of finance. – 1997. – Т. 52. – №. 1. – С. 57-82.
10. Cording M., Christmann P., Weigelt C. Measuring theoretically complex constructs: The case of acquisition performance //Strategic Organization. – 2010. – Т. 8. – №. 1. – С. 11-41.
11. Daniel T. A., Metcalf G. S. The management of people in mergers and acquisitions. – Greenwood Publishing Group, 2001.
12. Dolley J. C. Characteristics and procedure of common stock split-ups //Harvard Business Review. – 1933. – Т. 11. – №. 3. – С. 316-326.
13. Eckbo B. E. Mergers and the market concentration doctrine: Evidence from the capital market. – 1985.
14. Fama E. F. et al. The adjustment of stock prices to new information //International economic review. – 1969. – Т. 10. – №. 1. – С. 1-21.
15. Fama E. F., French K. R. Common risk factors in the returns on stocks and bonds //Journal of financial economics. – 1993. – Т. 33. – №. 1. – С. 3-56.
16. Fan J. P. H., Goyal V. K. On the patterns and wealth effects of vertical mergers //The Journal of Business. – 2006. – Т. 79. – №. 2. – С. 877-902.
17. Fazzari S. M. et al. Financing constraints and corporate investment //Brookings papers on economic activity. – 1988. – Т. 1988. – №. 1. – С. 141-206.
18. de Groot B., Franses P. H. Real time estimates of GDP growth. – 2005. – №. EI 2005-01.
19. Hayward M. L. A. When do firms learn from their acquisition experience? Evidence from 1990 to 1995 //Strategic management journal. – 2002. – Т. 23. – №. 1. – С. 21-39.
20. Healy P. M., Palepu K. G., Ruback R. S. Does corporate performance improve after mergers? //Journal of financial economics. – 1992. – Т. 31. – №. 2. – С. 135-175.
21. Homburg C., Bucerius M. Is speed of integration really a success factor of mergers and acquisitions? An analysis of the role of internal and external relatedness //Strategic management journal. – 2006. – Т. 27. – №. 4. – С. 347-367.
22. House R. J. et al. (ed.). Culture, leadership, and organizations: The GLOBE study of 62 societies. – Sage publications, 2004.
23. Jevons W. S. Commercial crises and sun-spots //Nature. – 1878. – Т. 19. – №. 472. – С. 33-37.
24. Keynes J. M. The general theory of employment, money and interest //The Collected Writings. – 1936. – Т. 7.
25. Kydland F. E., Prescott E. C. Business cycles: Real facts and a monetary myth //Real business cycles: a reader. – 1990. – Т. 383.
26. Kydland F. E., Prescott E. C. Time to build and aggregate fluctuations //Econometrica: Journal of the Econometric Society. – 1982. – С. 1345-1370.
27. Lucas R. E. Understanding business cycles //Carnegie-Rochester conference series on public policy. – North-Holland, 1977. – Т. 5. – С. 7-29.
28. MacKinlay A. C. Event studies in economics and finance //Journal of economic literature. – 1997. – Т. 35. – №. 1. – С. 13-39.
29. Maquieira C. P., Megginson W. L., Nail L. Wealth creation versus wealth redistributions in pure stock-for-stock mergers //Journal of Financial Economics. – 1998. – Т. 48. – №. 1. – С. 3-33.
30. Martin K. J., McConnell J. J. Corporate performance, corporate takeovers, and management turnover //The Journal of Finance. – 1991. – Т. 46. – №. 2. – С. 671-687.
31. Martynova M., Renneboog L. Mergers and acquisitions in Europe. – 2006.
32. Mishkin F. S. Illiquidity, consumer durable expenditure, and monetary policy //The American Economic Review. – 1976. – С. 642-654.
33. Mitchell M. L., Lehn K. Do bad bidders become good targets? //Journal of Political Economy. – 1990. – Т. 98. – №. 2. – С. 372-398.
34. Mitchell W. C. What happens during business cycles: A progress report. – 1951.
35. Moeller S. B., Schlingemann F. P., Stulz R. M. Wealth destruction on a massive scale? A study of acquiring‐firm returns in the recent merger wave //The Journal of Finance. – 2005. – Т. 60. – №. 2. – С. 757-782.
36. Petersen B., Strongin S. Why are some industries more cyclical than others? //Journal of Business & Economic Statistics. – 1996. – Т. 14. – №. 2. – С. 189-198.
37. Pound J. The information effects of takeover bids and resistance //Journal of Financial Economics. – 1988. – Т. 22. – №. 2. – С. 207-227.
38. Schumpeter J. A. Business cycles. – New York : McGraw-Hill, 1939. – Т. 1. – С. 161-74.
39. Sharpe W. F. Capital asset prices: A theory of market equilibrium under conditions of risk //The journal of finance. – 1964. – Т. 19. – №. 3. – С. 425-442.
40. Sudarsanam S., Mahate A. A. Are Friendly Acquisitions Too Bad for Shareholders and Managers? Long‐Term Value Creation and Top Management Turnover in Hostile and Friendly Acquirers //British Journal of Management. – 2006. – Т. 17. – №. S1. – С. S7-S30.
41. Zollo M., Meier D. What is M&A performance? //The Academy of Management Perspectives. – 2008. – Т. 22. – №. 3. – С. 55-77.
42. Zollo M., Singh H. Deliberate learning in corporate acquisitions: post‐acquisition strategies and integration capability in US bank mergers //Strategic Management Journal. – 2004. – Т. 25. – №. 13. – С. 1233-1256.
43. Mergers and Acquisitions // CFA Institute Presentation. – 2013.
44. Mining + Steel. How Will M&A Play Out? ATKearney // URL: https://www.atkearney.com/documents/10192/530235/Mining_Steel.pdf/7d7591dd-edcf-4da3-a905-50f9d9927a72
45. Morningstar Global Equity Classification Structure. Morningstar // URL: http://corporate.morningstar.com/us/documents/methodologydocuments/methodologypapers/equityclassmethodology.pdf
46. Oversupply in the Global Steel Sector. Challenges and Opportunities. DBS. – 2016 // URL: https://www.dbs.com/aics/templatedata/article/generic/data/en/GR/072016/160725_insights_oversupply_in_the_global_steel_sector.xml
47. PwC Deals. Global Metals M&A Deals Insight Q1 2017. PwC. – 2017 // URL: http://www.pwc.com/us/en/industrial-products/publications/assets/pwc-metals-industry-mergers-acquisitions-q1-2017.pdf
48. Regional and Aggregate Metallic Summary. World Steel Dynamics.
49. S&P Dow Jones Indices // URL: http://www.spindices.com/
50. Top steel-producing companies. World Steel Association // URL: https://www.worldsteel.org/steel-by-topic/statistics/top-producers.html
51. US Business Cycle Expansion and Contraction. NBER // URL: www.nber.org/cycles.html/