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

2.3 Сбор данных и описание полученной выборки

Для целей исследования было необходимо получить выборку по сделкам слияния и поглощения, в которой, как минимум, была бы информация о дате анонса каждой сделки, компании-поглотителе и компании-цели. С целью получения данной выборки были проверены четыре платформы: S&P 500 Capital IQ, Bureau van Dijk Zephyr, Thomson Reuters Eikon и Bloomberg Professional. В ходе изучения данных, предоставляемых каждой из платформ, было выявлено, что количество сделок и имеющаяся информация по каждой сделке примерно аналогична во всех четырех сервисах. Поэтому в качестве источника данных был выбран Bloomberg Professional.

На всю имеющуюся в сервисе базу данных были наложены следующие фильтры:

1. Статус сделки: завершена (completed) или в процессе осуществления (pending) (другими словами, сделка была анонсирована, но на данный момент еще не завершена)
2. Тип сделки: слияния и поглощения (M&A)
3. Отрасль компании-поглотителя: черная металлургия (Iron&Steel)
4. Тип компании: публичная (public)
5. Размер сделки: более 10 млн. долларов США

В результате, была получена выборка из 1125 сделок, охватывающая период с 1992 по 2017 год. По каждой сделке была получена следующая информация:

• Дата анонса сделки
• Название компании-поглотителя
• Название компании-цели
• Биржевой тикер компании-поглотителя
• Размер сделки
• Доля компании-цели, контроль над которой переходил к компании-поглотителю после сделки
• Вид платежа (деньги, акции или смешанный)
• Страна нахождения компании-поглотителя
• Страна нахождения компании-цели

Но несмотря на это, в выборке оказывались сделки, в которых не было того или иного показателя, необходимого для проведения анализа. Поэтому потребовалась дополнительная фильтрация данных. Так, из выборки были исключены те сделки, у компании-поглотителя в которых отсутствовал биржевой тикер, хотя все компании в выборке являлись публичными.

Помимо этого, для корректного проведения событийного анализа были исключены сделки, совершенные одной и той же компанией-поглотителем в течение года после предыдущей сделки.

На этом этапе было необходимо получить данные по доходностям для каждой компании-поглотителя в выборке за период оценочного и событийного окон. Для этого в первую очередь для каждой сделки были отложены все ключевые даты: -220 дней, -20 дней, -10 дней, -5 дней, -1 день, +1 день, +5 дней, +10 дней, +20 дней^[2]. Так как количество сделок достаточно большое, то поиск данной информации вручную занял бы много времени. Поэтому для этой задачи вновь был использован терминал Bloomberg Professional. При этом были скачаны ежедневные цены акций на момент закрытия, так как готовых данных по доходностям не было обнаружено. Стоит отметить, что не все компании, которые являются публичными на данный момент, являлись публичными на момент совершения сделки, поэтому цены акций были получены не для всех компаний из выборки, и такие компании, для которых отсутствовала информация о ценах, были исключены.

На заключительном этапе отчистки данных цены для каждого события были проверены на предмет повторения. Другими словами, было проанализировано, сколько раз за период оценочного и событийного окон (240 дней) доходность акций равнялась нулю. Разумеется, что существуют компании, акции которых слабо ликвидные, и может произойти такая ситуация, что в течение суток не было совершено ни одной сделки. Но если таких дней много, то это может повлиять на качество прогноза нормальной доходности. Поэтому было решено посчитать количество дней с нулевой доходностью для каждой из акций в выборке и исключить те наблюдения, где таких дней было больше 30.

Таким образом, в финальной выборке осталось 287 сделок, и в каждом случае были получены данные по ценам акций компаний-поглотителей за временной промежуток [-220 рабочих дней; +20 рабочих дней].

Вся выборка представлена сделками, компании-поглотители в которой принадлежат 28-и различным странам (Рисунок 9).

Источник: Bloomberg Professional

Рисунок 9 – Структура выборки по странам

Как видно из представленной диаграммы, больше четверти компаний-поглотителей находятся в США, на втором и третьем местах, соответственно, - Япония и Китай.

Все имеющиеся сделки были анонсированы с 1998 по 2017 год. При этом из Рисунка 11 можно заметить, что наибольшее количество сделок (27) было совершено в 2007 году – последнем перед финансовым кризисом, в 2009 же году, первом году после кризиса, было совершено всего 10 сделок, что еще раз указывает на высокую цикличность отрасли.

Источник: Bloomberg Professional

Рисунок 10 – Распределение сделок по годам

Что касается объема каждой из сделок, то минимальный составила 10 млн долларов, тогда как максимальный – 35 млрд долларов. Рекордная сделка – слияние люксембургской компании Arcelor и индийской Mittal Steel, произошедшее в 2006 году. Среднее же по всем сделкам из выборки составило 562 млн долларов.

Источник: Bloomberg Professional

Рисунок 11 – Распределение сделок по объему

Но лишь этих данных для полноценного проведения исследования было по-прежнему недостаточно. Как следует из названий, для модели с рыночной доходностью и рыночной модели, для их применения необходимо наличие данных по рыночному индексу. Так как в итоговой выборке присутствуют компании-поглотители из 28 стран, то получение данных по доходностям индексов для каждой из страны за конкретный промежуток времени для каждой сделки являлось затруднительным. Поэтому было решено некий общемировой индекс. В качестве такого индекса был выбран MSCI World Metals and Mining Index. Данный индекс рассчитывается на основе компаний с крупной и средней рыночной капитализацией, которые классифицированы как принадлежащие к металлургической и горнодобывающей отраслям. Всего компании, входящие в расчет индекса, расположены в 23 странах. Данные по индексу были загружены для каждой сделки как за оценочный период, так и за окно события.

Таким образом, были получены все необходимые данные для проведения исследования, результаты которого представлены в следующей главе.

Глава 3. Описание полученных результатов

3.1 Результаты событийного анализа

Как было упомянуто в предыдущей главе, для оценки эффективности сделок был использован событийный анализ. При этом было применено три различных метода нахождения нормальной доходности и четыре различных варианта продолжительностей окон событий. Таким образом, было получено 12 модификаций анализа.

На первом этапе для каждого дня, входящего в событийное окно, для каждой компании-поглотителя из выборки были посчитаны значения аномальной доходности (AR) тремя методами, описанными в предыдущей главе. Учитывая, что в выборке содержится 287 сделок, то представление данных результатов в работе не представляется разумным даже в виде приложений.

Далее, исходя из полученных значений аномальных доходностей, были рассчитаны показатели CAR для каждой компании-поглотителя в выборке путем сложения аномальных доходностей в течение каждого событийного окна. На данном этапе количество результатов слишком велико для их представления в работе.

Наконец, на следующем этапе, данные по CAR были агрегированы для выборки по всем сделкам, и таким образом было получено 12 значений, рассчитанных различными методами. Результаты по всем модификациям представлены в Таблице 4.

Таблица 4 – Показатель CAAR, рассчитанный различными методами

Источник: Расчеты автора

В первую очередь, можно заметить, что только одна модификация демонстрирует отрицательную кумулятивную аномальную доходность. При этом, если посчитать средние значения для каждого окна оценки, то мы получаем положительные значения. Поэтому можно сделать предварительный вывод о том, что в среднем сделки слияния и поглощения оказывают положительное влияние на цены акций компаний-поглотителей.

Кроме того, наблюдается падение роста показателей аномальных доходностей с увеличением оценочного окна. Если среднее значение показателя CAAR для окна [-20; +20] составило 0,35%, то для окна [-1; +1] это значение в четыре раза выше – 1,32%. Исходя из этого, можно сказать, что отражение информации об анонсе сделки довольно быстро находит свое отражение в цене акций, и поэтому на более длинном оценочном окне эффект от анонса сделки может нивелироваться другими событиями, оказывающими обратное влияние на цены акций.

Но нельзя использовать все приведенные результаты для того, чтобы делать окончательные выводы, так как не все из них могут быть значимыми. Для этого были проведены тесты на проверку значимости показателей CAAR, их результаты приведены в Таблице 5.

Таблица 5 – Показатели CAAR и значения t-статистики для них

Источник: Расчеты автора

Так как выдвинутая нами гипотеза была о том, что аномальные доходности равны нулю, то нас интересуют те случаи, когда данная гипотеза отвергается. Для того чтобы их найти, значения t-статистик для каждого значения CAAR сравнивались с критическими значениями на 1%-ном и 5%-ном уровнях значимости.

Как видно из Таблицы 5, значимыми оказались лишь 5 вариаций моделей из 12 изначальных. При этом в данных вариациях были использованы короткие событийные окна – [-5; +5] и [-1; +1].

В итоге, все значимые показатели были объединены в Таблице 6.

Таблица 6 – Значимые показатели CAAR

Источник: Расчеты автора

На основании данных результатов мы можем сделать следующие окончательные выводы:

1. Аномальная доходность значима и отлична от нуля только на двух из четырех окнах оценки: [-5; +5] и [-1; +1]

В данном случае объяснением может служить тот факт, что на более длинных промежутках могут происходить иные события, которые оказывают влияние на доходность, и поэтому наличие аномальной доходности, отличной от нуля, не может быть объяснено лишь оценкой эффекта от одной сделки.

1. При этом все значимые показатели показывают положительный эффект сделок слияния и поглощения на цены акций компаний-поглотителей

На более коротких окнах событий инвесторы позитивно воспринимают информацию о сделках слияния и поглощения, и при этом на достаточно коротких промежутках информация об анонсе сделки не успевает нивелироваться благодаря другим новостям, поэтому образуется положительная аномальная доходность.

1. На окне события [-5; +5] средняя кумулятивная аномальная доходность по двум различным методам равняется 1,15%, на окне [-1; +1] – 1,32%.

Таким образом, можно сделать вывод, что проведение событийного анализа показало, что на коротком окне оценки сделки слияния и поглощения в отрасли черной металлургии являются эффективными, показывая положительную кумулятивную аномальную доходность для акций компаний-поглотителей.

В качестве дополнительного анализа было проведено разбиение выборки в зависимости от того, в какой стране находятся компании-поглотители. Проведение такого анализа призвано определить, насколько равны показатели среди стран и попробовать предположить, что может являться результатом разницы в показателях между странами. Результаты кумулятивной аномальной доходности в различных странах представлены на Рисунке 12.

Источник: Расчеты автора

Рисунок 12 – Показатель CAAR в различных странах

Данные были получены для тех стран, которые встречались в выборке достаточное количество раз, чтобы результаты были репрезентативными. В первую очередь, можно заметить, что присутствует довольно сильный разброс показателей между странами – разница между самым низким и самым высоким показателями составляет более 5%. Такое высокое значение показателя в Аргентине можно объяснить тем, что это развивающаяся страна с высоким страновым риском, и поэтому доходность финансовых институтов в Аргентине в целом выше, чем в среднем по миру. Несмотря на то что Россия также является развивающейся страной, показатель CAAR для нее абсолютно противоположен, тому, что мы видим для Аргентины. Возможными причинами этого могут являться, во-первых, низкая финансовая грамотность населения, в связи с чем акционеры некорректно реагируют на сигналы, а во-вторых, потенциальной причиной может служить низкая эффективность менеджеров компаний-поглотителей. Менеджеры недостаточно тщательно анализируют потенциальную сделку, что приводит к тому, что деньги, по мнению акционеров, тратятся неэффективно, что приводит к падению стоимости акций компании и, как следствие, отрицательно аномальной доходности. В целом же видно, что развитые страны, такие как США, Великобритания, Япония и Германия, показывают относительно равные результаты. Это объясняется тем, что финансовые институты в данных странах развиты на высоком уровне, а менеджмент основательно подходит к принятию решений.