协议收购中的控制权转移效应实证研究.docx

协议收购中的控制权转移效应实证研究.docx

《协议收购中的控制权转移效应实证研究.docx》由会员分享，可在线阅读，更多相关《协议收购中的控制权转移效应实证研究.docx（19页珍藏版）》请在冰豆网上搜索。

协议收购中的控制权转移效应实证研究

协议收购中的控制权转移效应实证研究

郝项超程斌宏*

摘要：

本文专门针对协议收购样本，对中国上市公司并购效应及影响因素进行了实证分析。

实证发现，协议收购初次公告之前存在超额收益，但是没有要约收购显著；控制权转移时间与协议收购超额收益的关系是U型的，控制权转移时间越长，收购股东的财富损失越多，这是本文实证的最新发现；协议收购中异常收益与目标公司的资产波动率正相关，与利息支出占比、资产规模负相关；市账比MTB并不是协议收购的一个重要影响因素。

关键词：

协议收购控制权转移资产波动率

一、文献回顾

目前关于并购的实证研究主要集中在两个问题上。

第一个问题是并购效应是否存在。

早在1977年Jensen和Ruback就对此进行了详细的研究，之后从1977年到1983年年他们连续发表了13篇有关的研究。

他们指出成功的合并可以给目标公司的股东带来20％的异常收益，而成功的收购给目标公司的股东带来异常收益为30％。

Jarrell和Poulsen（1989）、Schwert（2000）、Bruner（2002）等研究证实了短期内并购中目标公司可以获得明显的异常收益，但是收购公司却不一定。

Loughran和Vijh（1997）、Agrawal和Jaffe（2000）则发现长期看来并购可能会导致财富损失或者较差的业绩。

Moeller（2003，2004）的研究揭示了并购双方规模的比较可能会导致收益分配的差异。

第二个问题是并购效应的影响因素有哪些。

这些研究包括并购的时机和异常收益分配。

研究主要集中在静态（Shleifer、Vishny，2003）和动态（Moran、Betton，2004；Morellec、Zhdanov，2005）模型的构建上，但是有关的实证却非常有限。

Moran和Betton（2004）认为由于实物期权模型的变量通常无法观测到、不确定性与显示不符以及缺乏足够的经济事件是当前研究有限的原因。

虽然存在很大的难度，但是Korkeamaki和Moore（2004）采用719家目标公司在1980－1996年间的可转换债券发行支出作为替代变量进行了研究，结果发现那些具有高波动率、增长前景以及低资本成本的公司往往会延迟投资的事件。

Moran和Betton（2004）对精选的228家美国目标公司样本进行了研究，结果发现基于两阶段Stackelberg完备信息博弈动态模型推出的三个结论中的两个得到了很好的验证，即目标公司的波动率和市账比是决定收购期权溢价的重要决定因素。

目前国内有关的实证研究主要集中在第一个问题（洪锡熙和沈艺峰，2001；舒强兴和郭海芳，2003；陈收、罗永恒和舒彤，2004；潘瑾和陈宏民，2005；唐建新和贺虹，2005；朱滔，2006；雷辉与陈收，2006）。

洪锡熙和沈艺峰（2001）认为在当时的市场条件下，二级市场的要约收购并不能给目标公司带来收益，市场对初次并购公告的反应是消极的。

舒强兴和郭海芳（2003）采用EVA作为评价的标准，发现60.53%的收购公司的收益为负。

陈收、罗永恒和舒彤（2004）发现从长期的角度，三年事件窗口的买入并持有收益（BHAR）是显著的，而并购随后的两年内并没有异常收益。

唐建新和贺虹（2005）则认为短期内有积极的并购效应，而长期则是消极的；控制权的转移对协同效应的影响是负面的。

朱滔（2006）也发现并购在短期内给收购公司带来显著的异常收益，但是长期看收购公司的财富发生了显著的损失。

另外仅有很少的研究涉及了并购效应影响因素的影响，这可能与我国资本市场发展较短，并购双方的历史数据少而且难以获得有关。

朱滔（2006）在其研究中还探讨了并购期间影响目标公司股价的多个因素，他发现无论长期还是短期，市场都认可小规模和低财务杠杆的并购，即规模小的并购异常收益更显著。

回顾有关的文献，我们发现对于并购效应第二种类型问题的实证研究在国内非常有限。

因此对这方面问题进行深入的研究是非常必要的。

本文尝试在对并购异常收益的基础上，对影响异常收益的因素进行研究。

我们还要注意到，即使已经存在很多关于并购异常收益的实证研究，但是这些研究都是关于要约收购的。

而在中国发生的并购协议收购的比重和影响非常重要。

但是国内的实证研究并没有对二者进行区别，这是目前研究存在的一个明显的问题。

因此，本文选择了从1996年到2005年发生协议收购事件作为样本，第一次专门对协议收购异常收益进行了研究。

另外我们还注意到了控制权转移时间对并购效应的影响。

一般来说从并购初次公告到最终完成收购的期间差异很大，也就是说控制权的真实转移可能会在初次并购公告很久以后（甚至三年以上）才完成。

控制权转移时间的长短差异如此巨大往往会造成市场信念的变化，因此其并购收益也会随之受到影响。

这一点是之前的很多相关研究没有考虑到的（朱琪等，2004；赵昌文等，2004）。

二、变量选择

（一）异常收益

目前关于并购效应的研究中对异常收益的计算主要三种方法：

均值调整收益法（MeanAdjustedReturnMethod）、市场调整收益法（MarketAdjustedReturnMethod）和市场模型法（MarketMethod）。

虽然市场模型被很多研究采用，但是我们仍然不能武断的说哪种方法是最好的。

从不同的角度上看，三种方法各有优势，因此，本文没有象之前的研究那样，采用一种方法计算异常收益并进行回归分析，本文分别计算了三种异常收益。

均值调整模型：

（1）

市场调整模型：

（2）

市场模型：

（3）

其中，

是第i只股票第j周的周收益率，

是第i只股票事件期间的平均周收益率，

是对应事件期间第j周的周市场收益。

根据上面的三个公式，我们可以得到关于累积异常收益的计算：

均值调整模型：

（4）

市场调整模型：

（5）

市场模型：

（6）

本文在对并购后累积异常收益的计算时，没有沿袭传统的分析模式考察并购并持有的异常收益（BHAR）（Loughran和Vijh，1997），而是重点考察了从初次并购公告到控制权完全转移期间的累积异常收益。

这是一个很有趣的问题，但是目前还没有研究来探讨这个问题。

对于并购前，本文采用的是从初次并购公告周之前第48周到公告之后1周的累积异常收益，对于并购后的异常收益，本文采用的是整个控制权转移期间发生的累积异常收益。

（二）资产的波动率

Morellec和Zhdanov、Moran和Betton的动态模型理论都指出并购期权溢价与资产的波动率存在正相关的关系。

但是如何更好的度量资产的波动率却是一个非常困难的事情。

本文根据期权定价理论给出了度量的方法。

假定目标企业的资产市场价值V服从带漂移项α和扩散项

的几何布朗运动。

我们知道目标企业股票（S）是以资产市场价值为标的衍生证券，根据Ito定理，我们将股票价格表示为如下过程：

dS=

从这个过程中可以很清楚地看到资产和股票的波动率遵循如下的关系：

（7）

在式（7）中，即使我们根据目标企业的财务结构来估计出比值V/S，我们还需要估计出dS/dV。

估计dS/dV非常困难，但是考虑到在不考虑其他因素的情况下，企业价值可以分为负债和权益价值两部分，因此存在下面的等式：

（8）

从这个等式中我们可以看出，如果债务价值不发生变化，那么企业价值与权益价值的变化是一致的。

这样，假定债务价值一定的条件下，等式（7）中右边的交叉效应就等于1，那么显然，我们就可以用股票的波动率来替代度量资产的波动率。

从短期的角度讲，企业的债务是相对比较稳定的，因此上述是合理的。

但是我们并不否认这样的处理有一定的问题，但是在没有更好的度量方法出现之前，这种方法可以作为新的尝试和探索。

因此我们采用了目标公司股票周收益率的标准差作为其波动率，估计的期间是初次并购公告当周之前的100周。

（三）增长预期

预期增长率高的目标公司会提高可以接受的收购价格，那么这必然增加收购公司的收购成本，因而其异常收益必然会下降；而预期增长率低的目标公司可以接受较低的收购价格，收购公司可以以此为借口进一步压低出价，那么这必然会导致收购公司的异常收益提高。

1．支出占比与预期增长

Moran和Betton（2004）采用目标公司的总支出占比来反向度量预期增长，但是发现效果并不好。

事实上这个指标包含了两个完全相反的信息。

现在支付更多现金的公司可能是那些预期增长较低的公司。

而对于那些成长型的公司而言，高负债能够支持其在短期内快速扩张发展的资金需求，其利息支出占比可能会较高。

因此，我们将总支出占比分解成两个部分，即利息支出占比和红利支出占比，如果用I表示目标公司利息支出，DIV表示普通股与优先股现金红利支出，BVA表示目标公司总资产账面价值，那么利息支出占比IA和红利支出占比DA的计算公式如下：

（9）

（10）

2．市账比MTB与预期增长

本文还采用了市账比MTB作为度量预期增长的一个替代变量。

MTB是指每股市场权益的市场价格即股票价格与每股账面价值的比。

通常市账比高的企业意味着其市场估值可能较高，因此其未来的增长潜力就比较小。

所有我们预期市账比与超额收益是负相关的。

本文考虑了并购前一年、并购当年、并购后一年的市账比情况，并对并购前一年的市账比进行了回归分析。

（四）目标公司规模BVA

并购研究认为目标公司的规模通常要小一些，也就是说并购实际上是一个“大吃小”的游戏。

从理论上讲，目标公司的规模越小意味着增长的机会和速度会较大。

但是实证的结果表明，并购效应与目标公司的规模是正相关的。

这就与现实的很多情况相矛盾。

那么一个潜在的解释是可能并购存在一定的门槛效应，即目标公司与收购公司的规模适当的情况下，并购协同效应会增加。

但是我们不能肯定这个解释是否有效。

因此本文采用了目标公司的总资产账面价值作为公司规模的替代变量。

（五）财务杠杆LEV

朱滔（2006）在其研究中将长期财务杠杆作为目标公司股价变化的一个解释变量，并且发现二者是负相关的。

本文将财务杠杆作为超额收益的一个解释变量，但是考虑的原因却是不一样的。

由于本文研究的是协议收购，收购价格通常是以目标公司的净资产为基础的。

因此目标公司的负债情况可能会对最终的收购价格产生重要的影响。

本文采用资产负债比作为财务杠杆的替代变量。

资产负债比高的目标公司，其资产权益比就比较低，那么单位净资产价格就会比较的，因此其最终的收购价格就会受到负面的影响。

相反如果资产负债比低的目标公司，其债务负担很轻，单位净资产相对就比较高，收购的价格也因此会较高一些。

因此我们预期二者存在负相关关系。

表1被解释变量与解释变量描述

变量名称

含义

AR

异常收益

CAR

累积异常收益

SIGMA

资产波动率，初次并购公告前100周的周收益标准差

IA

利息支出占比，财务费用与总资产账面价值的比

DA

红利支出占比，普通股和优先股现金红利支出合计与总资产账面价值的比

MTB

市账比，每股普通股权益市场价格与其每股账面价格比

BVA

目标公司总资产账面价值

LEV

财务杠杆，是目标公司并购前一年资产负债比

三、数据来源与样本选择

（一）数据来源

本文的并购数据来自中国经济研究中心CCER上市公司资产交易数据库，样本总体包括了两市从1996年到2005年的2530个资产交易活动。

其他数据来自CCER上市公司一般财务数据库。

（二）样本选择

本文研究的对象是协议收购事件，我们没有发现之前关于中国并购的研究明确的提出这个问题，而国外的研究都是关于要约收购的。

因此以协议收购对研究对象是一个非常新颖的研究。

由于我国资本市场的发展事件有限，因此很多数据都无法得到，比如我们只能得到上市的目标公司的有关特征数据，而无法获得非上市的收购公司的特征数据，这在一定程度上增加了研究的难度，但是我们还是可以从目标公司的角度来分析并购的效应。

本文筛选了以部分资产交易活动作为研究对象，原因是关于资产交易以及交易双方的资料不全或者无法获得。

在筛选样本的过程中，我们主要考虑以下多个因素：

1．协议收购与要约收购

要约收购是恶意收购，因此收购的成本可能会较高。

而协议收购是善意收购，收购双方本着友好协商的态度进行商谈，通常收购成本要低于要约收购。

协议收购是场外交易，市场上反应的信息要远少于要约收购，因此协议收购很可能存在内部交易和价格操纵，这可能导致本研究的结论与之前的研究出现较大的差异。

2．控制权是否发生转移与交易是否成功

控制权的转移是一个收购完成的主要标志，因此那些没有发生控制权实质转移的资产交易活动并没有作为本文研究的对象。

控制权转移的标志是收购公司在收购前不是目标公司的股东或者第一个大股东，而收购后成为目标公司的第一大股东。

3．目标公司的状态以及收购方式

本文研究考察的是目标公司正常经营条件下的资产交易，因此，那些在交易时已经被证券交易所特别处理的目标公司被排除在样本之外。

另外，政府无偿划拨、抵债等非市场行为的资产交易也没有作为本文研究考察的对象。

另外没有交易价格、无法获得交易价格和并购交易周之前两年数据的交易被排除在外。

对于样本期间内涉及多次资产交易的单个样本，如果两次交易发生的间隔少于5年，本文将排除这些交易。

从上面可以看出，本文研究对于样本的选择有着非常严格的要求。

因此我们不得不舍弃很多资产交易活动。

这样本文从最初的2530个资产交易活动中筛选出了127个作为本文研究的最终样本。

（三）样本描述

表2和表3是样本交易价值以及交易完成后第一大股东持股比例的统计结果。

可以看出样本中资产交易价值大小的差异很的，最小的交易仅为344万元，而最大的一笔交易高达105665万元。

纵观各年的交易价值，我们发现交易价值呈现上升的趋势，这个趋势在图1中也很明显。

另外，从交易完成后第一大股东的持股比例看，需要30％左右的持股比例才能获得控制权。

不过获得控制权的持股比例差异也比较大，最低需要5.95％，最高68.25%。

表2样本交易价值统计单位：

万元

年度

样本数

样本均值

样本中值

样本最小值

样本最大值

1997

1

14395.32

14395.32

14395.32

14395.32

1999

8

10420.84

10824.63

4518.31

18631.96

2000

13

14048.39

10045

1314.343

67678.93

2001

12

11073.99

9973.084

1184.37

31788.71

2002

24

21225.48

15735.58

344

123437.4

2003

34

20514.64

14900.28

2985.604

105665.3

2004

26

23985.35

17896.07

3007.35

105638.4

2005

9

16391.62

8176.364

2400

78378.87

合计

127

18829.39

13128.19

123437.432

344

图1：

样本资产交易价值历年情况

表3交易完成后第一大股东持股比例单位：

％

年度

样本数

样本均值

样本中值

样本最小值

样本最大值

1997

1

59.5

59.5

59.5

59.5

1999

8

29.11125

29.28

25.53

35

2000

13

27.52923

26.43

19.18

37.94

2001

12

27.94167

25.235

13.42

55.48

2002

24

28.35792

28.985

17.12

53.2

2003

34

32.57676

28.47

11

68.25

2004

26

29.4731

29.2

12.72

65.81

2005

9

30.75889

27.39

5.95

59.63

合计

127

30.05434

28.58

5.95

68.25

从表4中我们可以看到，解释变量中只有BVA的中值与均值相差很大。

而观察其最大值高达12000000万元。

这个最大值是两市发生资产交易活动的唯一上市金融公司深发展银行的资产账面价值，由于其账面价值远远大于其他样本解释变量的价值，因此在后面的多元回归分析中，我们将充分考虑该溢出值对估计结果的影响。

表4估计模型中被解释变量和解释变量的统计结果

变量名称

观测值

均值

中值

标准差

最小

最大

CAR1

127

-0.11

-0.14

0.45

-1.04

1.57

CAR2

127

0.07

0.01

0.35

-0.76

1.49

CAR3

127

0.05

0.02

0.35

-0.78

1.69

SIGMA

109

37.15

34.98

9.42

18.48

63.48

MTB

127

5.74

4.64

3.89

0.65

21.87

IA

127

0.01

0.01

0.01

0.00

0.05

DA

127

0.01

0.00

0.01

0.00

0.06

BVA

127

209145

76398

1065635

17874

12000000

LEV

127

44.65

46.19

18.39

7.01

96.98

四、实证结果

（一）并购异常收益

表5给出了累积异常收益CAR的t统计检验结果。

累积异常收益CAR1、CAR2和CAR3分别是用均值调整收益法、市场调整收益法和市场模型发估计的结果。

本文采用的是周期间收益。

需要注意的是，由于很多涉及并购的股票会有停盘处理的情况，这就造成时间的不连续，我们考虑的是正常交易的各周。

t检验结果显示CAR1在并购周前的（-30，-15）明显的不同，但是却是负的累积异常收益，这是一个奇怪的结果，这证实了我们的担心，即均值调整方法的估计结构可能与实际相差较大，可能影响累积异常收益的结论。

但是CAR2和CAR3都表明并购周前的（-15，-5）存在明显的正的异常收益。

这与按照日收益计算得到的结果基本是一致的（Moran和Betton，2004）。

不过，我们注意到CAR1、CAR2和CAR3在并购周的前后并没有出现累积异常收益。

这是很有趣的发现。

如果说要约收购可能导致市场出现强烈的需求而导致并购日前后目标公司的股价大幅上升，那么协议收购似乎对市场的反应并不明显。

但是Moran和Betton的研究却发现，并购前后的（-5，5）日内，目标公司存在非常明显的异常收益。

那么这种情况，一个可能的解释就是，协议收购中收购公司为了降低收购的成本可能会操纵股票价格，从而导致并购周前后收益没有较大的变化。

同时这可能意味着并购的公告也可能是一个超短时间的波动，而这种波动并不会影响目标公司的长期价值趋势。

Schleifer和Vishny（2003）也曾经指出，从长期的角度看，并购只对短期内的收益分配有影响，而不会改变目标公司长期价值。

这也是一个很有意思的推断，可以作为以后实证的一个研究对象。

表5累积异常收益CAR的t统计检验结果

窗口（周）

CAR1

CAR2

CAR3

（-48,-40）

-1.10

0.48

0.32

（-40,-30）

-1.28

-0.19

-0.23

（-30,-15）

-2.71*

1.77*

1.01

（-15,-5）

-1.22

2.00*

2.02*

（-1,1）

-0.86

-0.15

0.05

（二）控制权转移与平均异常收益

表6是控制权转移时间与平均异常收益之间关系的描述。

事件窗口表示控制权的转移在该期间内完成。

平均异常收益使用市场模型法估计的。

当我们把控制权转移时间与平均异常收益联系起来时，我们发现平均异常收益随时间呈现导U行的变化。

我们在之前的研究中还没有这样的发现。

进一步观察，我们发现并购初次公告后的四周内平均异常收益为负的，而（5，12）以及（13，24）两个连续的事件窗口内，平均异常收益为正的，并随时间呈上升趋势，而当时间转移的时间继续增加，平均异常收益开始重新转为负值。

这个变化说明，由于协议收购的信息不象要约收购那么公开透明，因此，市场对初次并购公告的反应可能会出现延迟。

当初次公告出来之后，由于市场获得的信息量不足，因此市场需要时间来进一步确认并购事件，所以初次公告后的一段时间并没有出现异常收益。

而随着市场对并购事件的确认，对股票需求的增加导致该股票的收益提高，因此出现了正的异常收益。

但是在等待了一段时间以后，市场会发现更多的信息，由于控制权迟迟没有转移，那么就会导致市场对并购的信心发生动摇，所以市场开始卖出股票，股票价格下跌，从而导致收益的下降。

表6是控制权转移时间与平均异常收益之间关系的描述

事件窗口

均值

中值

标准差

最小

最大

观测值

（0,4）

-0.84

-0.18

2.64

-7.41

3.05

14

（5,12）

0.19

0.09

1.40

-2.35

3.38

28

（13,24）

0.27

0.11

1.28

-1.24

4.60

24

（25,48）

-0.39

-0.40

0.49

-1.96

0.57

33

（49,96）

-0.23

-0.33

0.48

-0.80

1.34

21

（96,186）

0.03

-0.02

0.25

-0.23

0.46

5

（三）异常收益与多元影响因子分析

表7给出了根据三种方法估计的累积异常收益与多个解释变量的回归结果。

截面估计采用的是广义最小二乘法（GLS），除去资产波动率SIGMA为108个观测值外，其余变量的观测值均为126个。

这与我们最初确定的样本相差一个，因为我们在回归分析时，考虑了深发展（000001）资产规模过大的影响。

我们首先对包含深发展的127个样本进行了估计，然后用排除深发展的127个样本进行了估计，比较两次估计的结果，我们发现深发展巨型资产的确对模型有非常大的影响。

因此我们将其作为溢出值，排除在回归估计的样本之外。

我们分别用三种方法计算出的累积异常收益作为被解释变量进行了回归。

在前面累积异常收益的t检验结果中，我们发现CAR1的结果与另外两种存在较大差异，我们预期这个结果会影响最终的回归结果。

另外，我们还对总支出占比EA分解成两个部分IA和DA，分别表示利息支出占比和红利支出占比。

接下来的表7中分别给出了三个回归的参数估计结果、统计量以及P-value，其中*、**、***分别表示10%、5%、1%的水平。

同时我们还给出了估计模型的F统计量、R2、调整R2。

表7累积异常收益与多个解释变量的回归结果

解释变量

CAR1

CAR2

CAR3

参数

t统计量

P-value

参数

t统计量

P-value

参数

t统计量

P-value

SIGMA（+）

0.01

1.15

0.25

0.01

2.59***

0.01

0.01

2.63***

0.01

MTB（－）

-0.004

-0.33

0.74

0.01

0.68

0.50

0.01

0.53

0.60

IA（-）

-9.96

-2.18**

0.03

-4.66

-1.32

0