где - CAR i-ой компании в зависимости от рассматриваемого краткосрочного или долгосрочного периода;

- дамми-переменная, равная 1, в случае если сделка была анонсирована в момент переоцененного рынка, и 0 в остальных случаях;

- дамми-переменная, равная 1, в случае если сделка была анонсирована в момент недооцененного рынка, и 0 в остальных случаях;

- дамми-переменная, равная 1, в случае если сделка была анонсирована в момент высоковолатильного рынка, и 0 в остальных случаях;

- дамми-переменная, равная 1, в случае если сделка была анонсирована в момент низковолатильного рынка, и 0 в остальных случаях;

- доходность общих активов компании за год, предшествующий сделке (рассчитывается как отношение чистой прибыли к совокупным активам компании);

- натуральный логарифм активов компании на конец года, предшествующего заключению сделки;

- дамми-переменная, равная 1, в случае если сделка была оплачена при помощи наличных денежных средств, и 0 в остальных случаях;

- дамми-переменная, равна 1, в случае если компания-покупатель и компания-цель принадлежат к одной отрасли, и 0, если к разным;

- дамми-переменная, принимающая значение 1, если компания-цель по своей организационно-правовой форме является частной компанией, и 0 в остальных случаях.

Использование дамми-переменных в качестве описательных характеристик конъюнктуры фондового рынка вызвано неоднородностью степени переоценки и уровня волатильности внутри выборки развитых и развивающихся рынков. Использование в данном случае абсолютных значений мультипликаторов и коэффициентов вариаций в регрессионном уравнении приведет к смещению результатов.

Выбор объясняющих переменных в данном уравнении произведен исходя из результатов обзора литературы. Определенные по результатам анализа основные факторы, определяющие эффективность сделок M&A, используется в качестве контрольных переменных в данном регрессионном уравнении. Тестируется гипотеза о совместном равенстве нулю коэффициентов , , и (H0:). В случае если хотя бы один из коэффициентов не равен нулю, влияние конъюнктуры фондового рынка на эффективность сделок M&A признается значимым.

Выводы относительно изолированного влияния характеристик фондового рынка на эффективность M&A, необходимые для тестирования гипотез 2-5, могут быть сделаны на основе соответствующего значения и уровня значимости коэффициентов .

На втором этапе проводится тестирование гипотез 6-7, связанных с определением наиболее благоприятного состояния фондового рынка для проведения M&A. Для этого авторами была разработана матрица возможных состояний фондового рынка (см. Рис.2)

Рис. 2 Матрица возможных состояний фондового рынка (Источник: расчеты автора)

В зависимости от сложившейся конъюнктуры рынка в момент заключения сделки, каждая из рассматриваемых сделок будет отнесена к одному из 9 возможных секторов. Далее для сделок из каждого сектора будут определены показатели CAAR. На основании полученных значений проводится тестирование на значимость полученных результатов путем проверки гипотезы о равенстве показателя нулю и использования t-теста Стъюдента. Далее показатели, значимость которых была доказана, сравниваются между собой и, исходя из этого, делается вывод. Исходя из полученных значений и тестирования их на значимость, конъюнктура рынка, характеризующаяся наибольшими значениями CAAR, будет признана наиболее благоприятной для проведения сделок.

фондовый рынок сделка поглощение



Глава 3. Эмпирическое исследование влияния конъюнктуры фондового рынка на эффективность сделок по слиянию и поглощению

3.1 Характеристика выборки

При проведении эмпирического анализа использовалась информация о финансовых характеристиках публичных компаний, их участии в сделках по слиянию и поглощению, а также данные о динамике фондовых индексов различных стран. Вся информация была получена при использовании базы данных Bloomberg Data Base.

Для проведения исследования были собраны две отдельные выборки: по развитым и развивающимся рынкам. Выборка для проведения анализа по развивающемуся рынку включает в себя сделки, заключенные компаниями-покупателями и компаниями-целями из стран BRICS (Бразилии, России, Индии, Китая и ЮАР). Данные страны были выбраны для проведения анализа, поскольку именно на них, согласно исследованию Boston Consulting Group (Kengelbach, Klemmer, 2013), приходится большая часть сделок M&A в развивающихся странах (более 60%), что позволяет считать их наиболее репрезентативными. Анализ по развитому рынку капитала был проведен на сделках, заключенных на рынке США, где рынок сделок по слиянию и поглощению считается одним из наиболее развитых в мире. В качестве временного периода для проведения исследования был выбран период с 1 января 2005 года до 31 декабря 2015 года. Такой временной период выбран по двум причинам. Во-первых, он позволит сделать исследование наиболее актуальным и рассмотреть сделки, заключенные за последние десять лет. Во-вторых, он охватывает мировой финансовый кризис 2008 года, оказавший сильное влияние на конъюнктуру фондового рынка. Для обеспечения сравнимости выборок при отборе сделок использовались одни и те же критерии, за исключением общей стоимости сделки:

1. Сделка должна быть анонсирована в период с 1 января 2005 года до 31 декабря 2015 года;

2. Сделка должна быть завершенной;

3. Компания-покупатель должна иметь статус публичной и ее акции должны торговаться на фондовом рынке;

4. В результате сделки компания-покупатель приобретает более 50% компании-цели;

5. Общая стоимость сделки составляет не менее 100 млн долл. для развивающихся рынков капитала и не менее 500 млн долл. для развитых;

6. Компания-покупатель не принадлежит финансовому сектору;

7. Компания-покупатель ведет финансовую отчетность в соответствии со стандартами МСФО

Поскольку наибольший интерес для анализа представляют именно стратегические сделки M&A, а не приобретения миноритарного пакета акций, в выборку попадали только те сделки, в результате которых был приобретен контрольный пакет акций компании-цели. Кроме того, чтобы исключить несущественные сделки из анализа, было наложено минимальное ограничение на размер сделки. Поскольку сделки, заключенные на рынке США, как правило, более капиталоемкие по сравнению со сделками на развивающихся рынках, минимальный порог стоимости для развитого рынка также выше. Исключение из анализа компаний финансового сектора связано со специфической структурой их финансовой отчетности.

Изначальный размер выборок составил 1208 сделок M&A для развитого рынка и 1049 для развивающихся. После исключения наблюдений, не имеющих достаточной информации для анализа, а также исключения «экстремальных» значений, размер итоговых выборок составил 872 сделки на рынке США и 517 сделок на рынках BRICS. Следует отметить, что в результате фильтрации выборка по странам BRICS сократилась приблизительно в 2 раза, что связано с низким уровнем развития систем сбора, хранения и предоставления финансовой информации в развивающихся странах.

Рассмотрим подробнее выборку по рынку США. Отраслевая структура сделок достаточно равномерная (см. рис. 3). Более половины всех сделок приходится на отрасли энергетики (27%) и долгосрочных потребительских товаров (24%). Еще 30% выборки относится к секторам телекоммуникаций и обрабатывающей промышленности и делится между ними в равной пропорции. Сделки в отраслях информационных технологий, товаров массового потребления и добывающей промышленности в сумме составляют менее 20% выборки.

Рис. 3. Отраслевая структура выборки по развитому рынку (Источник: расчеты автора)

Распределение сделок во времени представлено на рис. 4. Можно заметить, что в кризисные годы количество сделок было значимо ниже, чем в остальные периоды. На всем рассматриваемом временном отрезке количество сделок варьируется в диапазоне от 46 до 106, что свидетельствует об отсутствии смещения наблюдений в ту или иную сторону во времени.



Рис. 4. Распределение сделок M&A по годам на рынке США (Источник: расчеты автора)

Теперь перейдем к рассмотрению выборки по развивающимся рынкам капитала. Доли сделок в итоговой выборке существенно различаются в зависимости от страны (см. рис 5.). Немногим менее половины всех рассматриваемых сделок заключены в Китае (44%). Примерно четвертая часть выборки приходится на сделки в Бразилии (23%). 10% выборки составляют сделки M&A, заключенные на российском рынке. Такое неравномерное распределение сделок по странам связано с двумя основными факторами. Во-первых, рынок Китая действительно характеризуется большей деловой активностью по сравнению с другими рынками развивающихся стран и имеет больший размер рынка M&A. Во-вторых, существенное количество сделок в таких странах как ЮАР и Россия были исключены из выборки в связи с недостаточным количеством данных для проведения анализа.



Рис. 5. Распределение по странам выборки для развивающихся рынков (Источник: расчеты автора)

Распределение сделок по отраслям несколько отличается от развитого рынка (см. рис.6). Наибольшее количество сделок было заключено в секторе долгосрочных потребительских товаров (24%). Сделки в сегменте энергетики составляют 13% выборки, хотя на примере развитых рынков данная отрасль превосходит все остальные по числу сделок. Добывающая и обрабатывающая промышленности составляют 17% и 15% всех наблюдений соответственно.

Рис. 6. Отраслевая структура выборки по развивающимся рынкам (Источник: расчеты автора)

Так же как и на развитом рынке, выборка сделок по странам BRICS распределена достаточно равномерно по рассматриваемому временному периоду. Можно отметить схожее с развитым рынком снижение количества сделок в кризисные 2008-2009 годы. Кроме того, количество сделок, попавших в выборку и заключенных в 2015 году существенно ниже по сравнению с предыдущими годами. Данный факт объясняется нехваткой информации по сделкам, заключенным в прошлом году.

Рис. 7. Распределение сделок M&A по годам на рынке BRICS (Источник: расчеты автора)

3.2 Результаты определения конъюнктуры фондового рынка

При определении конъюнктуры фондового рынка использовались основные фондовые индексы рассматриваемых стран. Для США был использован индекс S&P500 (SPX Index), отражающий динамику курсовой стоимости акций 500 крупнейших компаний по капитализации. Для каждой из стран BRICS при анализе использовался свой фондовый индекс, что связано с различиями в степени переоценки и уровне волатильности рынков между развивающимися рынками. Для Бразилии использовался индекс Ibovespa Brasil Sao Paulo Stock Exchange Index (IBOV Index), для России - основной индекс ММВБ MICEX (INDEXCF Index), для Индии - S&P BSE Sensex Index (SENSEX Index), для Китая - Shanghai Stock Exchange Composite Index (SHCOMP Index), для ЮАР - FTSE/JSE Africa All Shares Index (JALSH Index).

Поскольку исследование предполагает рассмотрение степени переоценки рынка и его волатильности как двух независимых характеристик, для подтверждения или опровержения данной предпосылки необходимо проведение корреляционного анализа. Результаты такого анализа представлены в таблице 1.

	Переоценка (мультипикатор P/E)
Волатильность (Коэф. Вариации)		SPX Index	IBOV Index	SHCOMP Index	SENSEX Index	INDEXCF Index	JALSH Index
	SPX Index	-29.6%	-	-	-	-	-
	IBOV Index	-	-1.5%	-	-	-	-
	SHCOMP Index	-	-	34.2%	-	-	-
	SENSEX Index	-	-	-	-31.8%	-	-
	INDEXCF Index	-	-	-	-	-2.6%	-
	JALSH Index	-	-	-	-	-	-23.6%

Табл.1. Корреляционный анализ (Источник: расчеты автора)

По результатам корреляционного анализа не было выявлено ни одного рынка, на котором корреляция волатильности и степени переоценки составляла бы более 70%. Наибольшая по своей силе (абсолютному значению) корреляция присутствует на рынке Китая и составляет менее 35%. Это позволяет утверждать, что степень переоценки и уровень волатильности можно рассматривать как независимые характеристики фондового рынка. Для большинства рынков характерна слабая отрицательная корреляция волатильности и уровня переоценки рынка, что говорит о том, что в периоды высокой волатильности инвесторы скорее склонны к снижению рыночных ожиданий.

Согласно методологии, описанной в Главе 2, отнесение месяца к той или иной стадии переоценки рынка было проведено на основании мультипликатора P/E. Описательные характеристики мультипликатора для всех рассматриваемых фондовых индексов представлены в табл.2.

	Ср. знач.	Макс	Мин	30% выборки	70% выборки
SPX Index	17.6	20.8	10.3	16.8	19.0
IBOV Index	16.9	34.7	8.0	14.3	17.5
SHCOMP Index	23.3	66.7	10.5	15.8	25.0
SENSEX Index	21.3	34.4	11.1	18.6	23.4
INDEXCF Index	9.0	17.0	3.6	5.7	10.9
JALSH Index	15.7	19.6	7.8	14.9	17.4

Табл.2. Описательные характеристики мультипликатора P/E для развитых и развивающихся рынков (Источник: расчеты автора)

Из таблицы видно, что различным рынкам присущ разный средний уровень переоценки. Нельзя однозначно ответить на вопрос, какой из двух типов рынков характеризуется большей степенью переоценки на рассматриваемом периоде, поскольку средние значения мультипликатора существенно варьируются для рынков BRICS. Наименьший средний уровень мультипликатора характерен для российского рынка и составляет 9х на рассматриваемом периоде. Наиболее переоцененным рынком по отношению к остальным выступает китайский рынок, где средний уровень мультипликатора составил 23.3х.

По результатам анализа степени переоценки рынка, на рынке США 298 сделок M&A (34%) были заключены в период переоцененного рынка, 218 сделок (25%) - в период недооцененного рынка и 356 сделок (41%) в период нейтрального рынка. Схожее распределение было получено и для развивающихся рынков: 167 сделок (32%) были отнесены к периоду высокого рынка, 144 (28%) - к периоду низкого рынка, а оставшиеся 206 сделок (40%) к нейтральному рынку.

Определение уровня волатильности проводилось на основании коэффициента вариации. Описательные статистики для этого показателя представлены в табл.3. Наиболее волатильными на рассматриваемом периоде были рыночные индексы российского и китайского фондовых рынков, чьи средние коэффициенты вариации составили 3,00% и 3,02% соответственно. Так же следует отметить, что фондовые рынки всех рассматриваемых развивающихся стран на исследуемом периоде имеют большее среднее значение коэффициента вариации, чем развитый рынок США. Такая более высокая волатильность развивающихся рынков связана с их сырьевым характером и высокой зависимостью от цен на ключевые производственные ресурсы.

	Ср. знач.	Макс	Мин	30% выборки	70% выборки
SPX Index	1.65%	8.05%	0.48%	1.07%	1.63%
IBOV Index	2.62%	12.25%	0.85%	1.97%	2.86%
SHCOMP Index	3.02%	9.65%	0.74%	1.93%	3.33%
SENSEX Index	2.51%	11.75%	0.42%	1.56%	2.86%
INDEXCF Index	3.00%	18.90%	0.75%	1.75%	3.26%
JALSH Index	1.90%	6.21%	0.46%	1.27%	2.12%

Табл.3. Описательные характеристики коэффициента вариации рыночного индекса для развитых и развивающихся рынков (Источник: расчеты автора)

На основании проведенного анализа для рынка США 243 сделки M&A (28%) были заключены в период высоковолатильного рынка, 281 сделка (32%) - в период низковолатильного рынка и 348 сделок (40%) были заключены в период среднего уровня волатильности. Для рынка BRICS к периоду высокой волатильности было отнесена 171 сделка (33%), к периоду низкой волатильности - 151 (29%) сделка и на нейтральном рынке было заключено 195 сделок (38%).

Исходя из результатов анализа степени переоценки и уровня волатильности, все рассмотренные сделки M&A были отнесены к конкретному состоянию фондового рынка в момент заключения сделки. Распределение количества сделок по состояниям фондового рынка представлено в матрице конъюнктуры фондового рынка (см. рис.8):

а) б)

Рис. 8. Распределение сделок M&A по конъюнктуре фондового рынка в момент заключения сделки для рынка: а) США; б) BRICS (Источник: расчеты автора)

Как видно из представленных данных, существенная часть рассматриваемых сделок (18%) на рынке США была заключена в период слабо волатильного и сильно переоцененного рынка. Также стоит отметить, что при столь же высоком уровне переоценки, но уже на высоко волатильном рынке сделок существенно меньше. Обратная ситуация характерна для рынка BRICS, где количество сделок, заключенных в период наибольшей волатильности и переоценки рынка, одно из наиболее высоких. Полученное распределение сделок, исходя из состояния фондового рынка во время их заключения, позволяет получить значимые результаты анализа, поскольку в каждой из категории имеется как минимум 30 наблюдений.

3.3 Эмпирический анализ влияния конъюнктуры фондового рынка на эффективность сделок M&A

Перед тестированием регрессионной модели необходимо осуществить проверку анализируемых выборок на мультиколлинеарность, гетероскедастичность и автокорреляцию (см. Приложение 2). Мультиколлинеарность была проверена при помощи расчета индексов VIF, которые не превысили 2 ни для одной из выборок, что говорит об отсутствии мультиколлинеарности. Проверка на гетероскедастичность была проведена при помощи теста Бройша-Пагана (Breusch-Pagan test), который выявил наличие гетероскедастичности как для выборки развитых, так и развивающихся стран. Проверка на автокорреляцию осуществлена с помощью теста Дарбина-Уотсона и показала наличие автокорреляции ошибок в обеих выборках. По этим причинам, при анализе регрессионных моделей будет использовано робастное оценивание стандартных ошибок коэффициентов по методу Уайта с использованием опции (robust).

На первом этапе будет проведено тестирование гипотез 1-3, связанных с выявлением существования влияния конъюнктуры фондового рынка на эффективность сделок M&A, а также определением направления этого влияния. В результате тестирования регрессионной модели по развитому и развивающемуся рынку были получены следующие коэффициенты (см. Приложения 3-4):

Показатель	Развитый рынок	Развивающийся рынок
	Коэф.	P>|t|	Коэф.	P>|t|
ROA	-0.023	78.0%	0.038*	13.8%
lnTA	-0.008***	0.0%	-0.003***	1.8%
Div	-0.012***	2.5%	-0.010***	4.6%
Priv	0.016***	0.3%	-0.009*	14.6%
Cash	0.004	49.7%	-0.004	41.8%
Overvalued	0.009*	12.4%	-0.002	76.1%
Undervalued	-0.011**	6.9%	0.002	71.2%
Volat	-0.005	43.7%	0.009*	11.7%
Nonvolat	0.009*	13.4%	-0.010**	8.2%
Const	0.078***	0.0%	0.047***	0.0%

*** Коэффициент значим на 5%-ом уровне

** Коэффициент значим на 10%-ом уровне

* Коэффициент значим на 15%-ом уровне

Табл.4. Результаты оценки регрессионного уравнения по выборке развитого и развивающегося рынка (Источник: расчеты автора)

На основании полученных результатов можно сделать ряд существенных выводов. Для развитого рынка оказались значимыми три из четырех переменных конъюнктуры фондового рынка, а для развивающегося рынка две переменные. Отметим, что значимость показателей получена при включении в модель всех контрольных переменных, что подтверждает значимость влияния фактора конъюнктуры фондового рынка наравне с остальными ключевыми детерминантами, рассматриваемыми в литературе. При этом исключение из регрессионного уравнения переменных конъюнктуры фондового рынка приводит к снижению объясняющей силы регрессионной модели. Поэтому показатели степени переоценки и уровня волатильности фондового рынка обязательно должны приниматься во внимание при построении моделей по оценке эффективности сделок M&A. Поскольку для обоих типов рынка переменные конъюнктуры доказали свою значимость, нельзя отвергнуть Гипотезу №1.

Для развитого рынка уровень переоценки оказывает положительное влияние на эффективность сделок по слиянию и поглощению. Переход рынка из нейтрального состояния в переоцененное увеличивает CAR приблизительно на 0,9%, тогда как проведение сделки в период недооцененного рынка наоборот сокращает кумулятивную доходность на 1,1%. Тестирование выявило значимость обоих коэффициентов как минимум на 15% уровне, что говорит о том, что Гипотеза №2 отвергается. Полученный результат противоречит альтернативной концепции влияния степени переоценки рынка и согласуется с работами Хайбабы (Hajbaba, Donelly, 2013) и Любаткина (Lubatkin, O'Neil, 1988), анализировавших рынок США в периоды 1979-2002гг. и 1983-1987гг. соответственно. Данный результат, говорит о том, что даже в периоды высокой переоценки рынка инвесторы ожидают дальнейшего роста стоимости компаний и позитивно реагируют на сделку. Полученная положительная взаимосвязь может объясняться накопленным опытом проведения сделок M&A на развитых рынках капитала, который позволяет эффективно использовать переоцененные акции компании-покупателя для совершения выгодной сделки.

В свою очередь, волатильность оказывает отрицательное влияние на эффективность сделок. Полученные коэффициенты показывают, что на низковолатильном рынке компании-покупатели получали кумулятивную доходность от сделки приблизительно на 1% выше, чем на нейтральном рынке, а переход рынка в состояние высоковолатильного снижает CAR на 0,5%. Однако, значимость была доказана только для положительного влияния низковолатильного рынка на эффективность сделок. Данный результат подтверждает выводы, полученные в работе Дучина и Шмидта (Duchin, Schmidt, 2012) по рынку США за период 1980-2009 г. Отрицательное влияние волатильности на эффективность M&A связано с возникающей неопределенностью о том, как было бы наиболее правильно структурировать сделку, какие финансовые инструменты использовать, и каковы возможные синергии. Таким образом, Гипотеза №3 не отвергается.

Для развивающегося рынка значимый результат был получен только по показателю волатильности. При этом, волатильность на развивающемся рынке оказывает положительное влияние на кумулятивную доходность от сделки, что абсолютно противопоставляется результату, полученному для развитого рынка. Поскольку были получены значимые результаты, можно сделать вывод, что Гипотеза №5 не отвергается.

Причиной полученных результатов является различие в типах инвесторов на развитом и развивающемся рынке. Сырьевые рынки развивающихся стран являются более волатильными, нежели развитые рынки США и Европы. В периоды высокой волатильности на развивающихся рынках переговорная позиция компании-покупателя сильно увеличивается, поскольку нестабильность рынка отпугивает зарубежных инвесторов из развитых стран и они не принимают участия в конкуренции за приобретение компании-цели. В связи с этим компании-покупатели на развивающихся рынках в периоды высокой волатильности имеют возможность заключить сделку на более выгодных условиях, что отражается в положительной реакции рынка на подобные сделки.

Относительно влияния степени переоценки на эффективность сделок на развивающемся рынке значимых коэффициентов получено не было. В связи с этим нельзя сделать однозначных выводов о том отвергается поставленная Гипотеза №4 или нет.

Кроме того, следует отметить, что большинство контрольных переменных включенных в модель оказались значимыми. Переменная логарифма натуральных активов (lnTA) показала значимое отрицательное влияние на эффективность сделок M&A как на развитых, так и на развивающихся рынках, что согласуется с исследованиями Джеффи (Jaffe et al, 2014) и Лиао (Liao, Williams, 2008). Отрицательное влияние размера объясняется возможностью более эффективной интеграции компаний при их сравнительно меньших масштабах, а также большими возможностями для контроля. Значимое отрицательное влияние на обоих рынках было также получено для переменной диверсификации (Div), что отмечалось в статьях ряда зарубежных авторов (Bhabra, 2013; Moeller et al., 2004). Причиной негативной реакции рынка на подобные сделки является, как правило, недостаточная компетенция менеджмента компании-покупателя в тех отраслях, в которых оперирует компания-цель.

Влияние организационно-правовой формы компании-цели (Priv) на эффективность сделки оказалось различным для развитых и развивающихся стран. Для развитого рынка приобретение частной компании-цели увеличивает накопленную избыточную доходность от сделки на 1,6%, тогда как на развивающемся рынке снижает на 0,9%. Рост эффективности сделок по слиянию и поглощению при приобретении частной компании-цели связан с отсутствием так называемых «издержек престижа» (Чиркова, Чувствина, 2011; Capron, Shen, 2007) при потенциальном прекращении сделки с частной компанией на одном из этапов. Низкая эффективность сделок с частными компаниями-целями на развивающемся рынке объясняется отсутствием достаточного количества информации относительно частной компании, что приводит к ошибкам при выборе наиболее подходящей цели для сделки.

Значимое влияние показателя доходности компании-покупателя (ROA) было выявлено только для развивающегося рынка капитала. Данная переменная оказывает положительное влияние на эффективность сделок, что находит подтверждение в статьях Григорьевой (Григорьева, Гринченко, 2013) и Чена (Chen, Lai, 2015). Более высокая доходность компании-покупателя подтверждает компетенции ее менеджмента по управлению активами и реакция рынка на сделку ожидается положительной.

Относительно влияния способа оплаты (Cash) сделки не было получено статистически значимых результатов ни по развитому, ни по развивающемуся рынку.

На втором этапе необходимо определить наиболее благоприятную конъюнктуру фондового рынка для заключения сделки M&A как для развитого, так и для развивающегося рынка. Для этого были определены значения CAR на окне (-1;1) по каждой группе сделок, заключенных в различные состояния фондового рынка. Полученные результаты представлены на рис.9.



а) б)

*** Коэффициент значим на 1%-ом уровне; ** Коэффициент значим на 5%-ом уровне;

* Коэффициент значим на 10%-ом уровне

Рис.9. CAR на окне (-1;1) для каждого состояния фондового рынка по: а) развитым и б) развивающимся странам (Источник: расчеты автора)

Как видно из представленной матрицы, на развитом рынке США наибольшую эффективность показывали сделки заключенные в период низковолатильного и сильно переоцененного рынка. Кумулятивная доходность сделок, заключенных в этот период составила 2,75% на окне (-1;1). При этом сделки заключенные в период слабой волатильности и низкой переоценки показали CAAR равный 1,37%, однако значимость данного коэффициента не была доказана. Проведение теста Вельха (Welch test) для определения значимости различий между выборками подтвердило, что накопленная доходность на окне (-1;1) для сделок заключенных в период высокой переоценки и низкой волатильности значимо выше доходности сделок в период недооцененного и слабоволатильного рынка. В связи с этим Гипотеза №6 отвергается. Наиболее неблагоприятным состоянием для вступления в сделку M&A на развитом рынке является недооцененный высоковолатильный фондовый рынок. Сделки в этот период разрушают стоимость компании-покупателя, поскольку накопленная избыточная доходность составляет (-0,70%). Это связано как с отсутствием у инвесторов оптимизма относительно дальнейшего роста рынка, так и сложностью проведения сделки из-за высокой волатильности. Однако стоит отметить, что значимость данного результата не была доказана.

На развивающемся рынке наибольшую эффективность показали сделки, заключенные в период высокой волатильности и нейтрального уровня переоценки фондового рынка. Кумулятивная доходность таких сделок статистически значима и составила 2,61%. Сделки в период высокой волатильности и высокой переоценки, изначально предполагаемые как наиболее эффективные, имеют положительную накопленную избыточную доходность в размере 1,57%. Проведение теста Вельха, как и для развитых рынков, выявило существование значимых различий между двумя данными группами сделок. В связи с этим необходимо отвергнуть Гипотезу №7 и признать высокий уровень волатильности и нейтральный уровень переоценки фондового рынка наиболее благоприятным состоянием для проведения сделок M&A на развивающемся рынке капитала.

Таким образом, конъюнктура фондового рынка оказывает значимое влияние на эффективность сделок по слиянию и поглощению, как на развитых, так и на развивающихся рынках капитала. При этом влияние ее существенно различается для разных типов рынков. На развитом рынке значимое влияние оказывают и степень переоценки рынка в момент заключения сделки и уровень волатильности. При этом степень переоценки рынка оказывает положительное влияние на эффективность сделок M&A, тогда как рост волатильности, наоборот, ухудшает реакцию рынка на сделку. Исходя из этого, наиболее благоприятным состоянием для заключения сделок являются периоды высокопереоцененного и слабоволатильного рынка, что было подтверждено на выборке компаний США.

Для развивающихся рынков стран BRICS наибольшую значимость играет уровень волатильности рынка в момент заключения сделки. При этом с ростом волатильности эффективность сделок M&A увеличивается, что связано, с улучшением переговорной позиции компаний-покупателей, так как потенциальные конкуренты за компанию-цель из развитых рынков капитала будут отказываться от сделки из-за высокой нестабильности рынка. Наиболее благоприятным состоянием фондового рынка для заключения сделки M&A на развивающихся рынках стран BRICS следует признать нейтральную степень переоценки и высокую волатильность.



Заключение

Конъюнктура фондового рынка является важным фактором, способным оказать существенное влияние на эффективность сделок M&A. Тем не менее, исходя из анализа литературы, можно отметить, что на текущий момент влияние данного показателя либо совсем не принималось во внимание при исследовании эффективности сделок, либо рассматривалась какая-либо конкретная характеристика фондового рынка. В данной работе конъюнктура фондового рынка рассматривалась одновременно в двух основных плоскостях: с точки зрения степени переоценки фондового рынка и уровня его волатильности.

Степень переоценки фондового рынка рассматривалась на основании данных о мультипликаторе P/E для компаний основного рыночного индекса рассматриваемой страны. Волатильность фондового рынка определялась на основе коэффициента вариации рыночного индекса за рассматриваемый период. Исследование было проведено для рынка США и рынков стран BRICS, на которые приходится большая часть сделок M&A, заключенных в развитых и развивающихся странах соответственно.

В результате исследования было выявлено, что:

– Конъюнктура фондового рынка оказывает значимое влияние на эффективность сделок по слиянию и поглощению как на развитом, так и на развивающемся рынке капитала. Влияние данного фактора необходимо обязательно принимать во внимание при анализе эффективности сделок M&A.

– Высокая степень переоценки фондового рынка оказывает положительное влияние на эффективность сделок M&A на развитом рынке, что связано с оптимизмом инвесторов и ожиданием ими дальнейшего роста рынка в периоды высокой переоценки.

– Влияние волатильности на эффективность сделок M&A различно для развитых и развивающихся рынков. На развитом рынке волатильность оказывает негативное влияние на эффективность M&A, что связано с возникающими трудностями подбора оптимальной структуры сделки и оценки потенциальных выгод в периоды высокой нестабильности. На развивающихся рынках, где волатильность в среднем более высокая, она оказывает положительное влияние на эффективность. Данная зависимость объясняется более сильной переговорной позицией покупателей в периоды высокой волатильности рынка, поскольку количество потенциальных покупателей в такие периоды существенно сокращается.

– Наиболее благоприятным состоянием фондового рынка для проведения сделок M&A на развитом рынке капитала является низковолатильный и переоцененный рынок. Для развивающегося рынка наибольшую избыточную совокупную доходность приносят сделки, заключенные в период высокой волатильности и нейтрально оцененного рынка.

Дальнейшим направлением исследования может стать рассмотрение влияния конъюнктуры фондового рынка на долгосрочную эффективность сделок по слиянию и поглощению при использовании методологии BHAR (“Buy-and-hold abnormal return”) и уже имеющихся инструментов для определения состояния фондового рынка в момент сделки. Также потенциальным развитием проведенного исследования может стать расширение анализируемого временного периода и рассмотрение сделок M&A, заключенных на Европейском рынке и других развивающихся странах.



Список литературы

1. Григорьева, С., Гринченко, А., 2013. Влияние сделок слияний и поглощений в финансовом секторе на стоимость компаний-покупателей на развивающихся рынках. Журнал «Корпоративные финансы», 4(28) 2013: 53-72

2. Григорьева, С., Морковин, Р. 2014. The Effect of Cross-Border and Domestic Acquisitions on Shareholder Wealth: Evidence from BRICS Acquirers. Журнал «Корпоративные финансы», 4(32): 34-45.

3. Ивашковская И.В., Григорьева С.А. Эффективность международных сделок слияний и поглощений компаний с развивающихся рынков капитала: эмпирический анализ. Издательский дом НИУ ВШЭ: XI международная научная конференция по проблемам развития экономики и общества, 3(3), 532-543.

4. Ивашковская И.В., Григорьева С.А. Эффективность стратегий диверсификации компаний на развивающихся рынках капитала // Корпоративные финансовые решения. Эмпирический анализ российских компаний. Москва: ИНФРА-М, 2011. С. 281.

5. Скворцова И.В., Проскурин С.С., Крыхтин В.Б.,Стельмахова Е.А., Игнатьев Е.Л. 2013. Использование метода событий в исследованиях слияний и поглощений на развитых и развивающихся рынках капитала. Журнал "Корпоративные Финансы", 4(28): 125-139.

6. Чиркова Е.В., Чувствина Е.В. Реакция рынка на объявление о приобретении компаний открытого и закрытого типов // Корпоративные Финансы. 2011. № 3 (19). С.30-43.URL: http://cfjournal.hse.ru/data/2011/11/07/1272278422/CFJ19_30_43_Чиркова_Чувствина _.pdf

7. Agrawal A., Jaffe J.F., Mandelker G.N. The Post-Merger Performance of Acquiring Firms: A Re-examination of an Anomaly. The Journal of Finance, 47(4): 1605-1621.

8. Andrade G., Mitchell M., Stafford E. 2001. New Evidence and Perspectives on Mergers. Journal of Economic Perspectives, 15(2): 103-120.

9. Bhabra H.S., Huang J. 2013. An empirical investigation of mergers and acquisitions by Chinese listed companies, 1997-2007. Journal of Multinational Financial Management, 23(3): 186-207.

10. Bhagat S., Malhotra S., Zhu P. 2011. Emerging country cross-border acquisitions: Characteristics, acquirer returns and cross-sectional determinants // Emerging Markets Review, 12(3): 250-271.

11. Bruner, R.F. 2002. Does M&A Pay? A Survey of Evidence for the Decision-Maker. Journal of Applied Finance, 12: 48-68.

12. Campa, J. M., Hernando, I. 2004. Shareholder value creation in European M&As. European Financial Management, 10: 47-81.

13. Cardinali A., Wikren, B. 2012. M&A Success and Economic Cycles: A Survey of European Firms. Masters Thesis - Corporate and Financial Management.

14. DeLong, G. 2001. Stockholder gains from focusing versus diversifying bank mergers. Journal of Financial Economics, 59: 221-52.

15. Fama E.F. 1970. Efficient Capital Markets: a Review of Theory and Empirical Work. The Journal of Finance, 25(2): 383-417.

16. Hackbarth, D., Morellec E. 2008. Stock Returns in Mergers and Acquisitions. The Journal of Finance. The Journal of Finance, 63(3), 1213-1252.

17. Mulherin, J. H., Boone, A. L. 2000. Comparing acquisitions and divestitures. Journal of Corporate Finance, 6: 117-39.

18. Houston, J., James, C., Ryngaert, M. 2001. Where do merger gains come from? bank mergers from the perspective of insiders and outsider. Journal of Financial Economics, 60: 285-331.

19. Goergen, M., Renneboog, L. 2004. Shareholder wealth effects of European domestic and cross-border takeover bids. European Financial Management, 10: 9-45.

20. Shahrur H., Venkateswaran A. 2009. Industry prospects and acquirer returns in diversifying takeovers. Journal of Financial Research, 32(1): 23-51.

21. Rheґaume, L., Bhabra, H.S. 2008. Value creation in information-based industries through convergence: A study of U.S. mergers and acquisitions between 1993 and 2005. Information & Management, 45: 304-311.

22. Healy P.M., Palepu K.G., Ruback R.S. Does corporate performance improve after mergers? Journal of Financial Economics, 31(2): 135-175.

23. Langeteig, T.C. 1978. An Application of a Three-Factor Performance Index to Measure Stockholder Gains from Merger. Journal of Financial Economics, 6: 365-383.

24. Khanal A.R., Mishra A.K., Mottaleb K.A. 2014. Impact of mergers and acquisitions on stock prices: The U.S. ethanol-based biofuel industry. Biomass Bioenergy, 61: 138-145.

25. Moeller, S. B., Schlingemann, F. P., Stulz, R. M. 2004. Firm size and the gains from acquisitions. Journal of Financial Economics, 73: 201-28.

26. Huyghebaert N., Luypaert M. 2013. Value creation and division of gains in horizontal acquisitions in Europe: the role of industry conditions. Journal of Applied Economics, 45(14): 1819-1833.

27. Ciegis, R., Andriuskevicus, K. 2013. Mergers and acquisitions announcement effects to bidding company shareholders: the case of European Union during 2004-2011. Taikomoji ekonomika: Sisteminiai Tyrimai, 7(1): 75-97.

28. Conn, R.L., Cosh, A., Guest, P.M., Hughes, A. 2005. The Impact on UK Acquirers of Domestic, Cross-border, Public and Private Acquisitions. Journal of Business Finance & Accounting, 32(5-6): 815-870.

29. Hamza T. 2011. Determinants of short-term value creation for the bidder: evidence from France. Journal of Management & Governance, 15(2): 157-186.

30. Lowinski F., Schiereck D., Thomas T.W. 2004. The Effect of Cross-Border Acquisitions on Shareholder Wealth -- Evidence from Switzerland. Review of Quantitative Finance and Accounting, 22(4): 315-330.

31. Kengelbach, J., Klemmer, D. 2013. BRICs versus Mortar? Winning at M&A in emerging markets, M&A report. The Boston Consulting Group.

32. Deshpande S., Svetina M., Zhu P. 2012. Analyst coverage of acquiring firms and value creation in cross-border acquisitions. Journal of Multinational Financial Management, 22(5): 212-229.

33. Sehgal S., Pandey A. 2013. An Empirical Investigation of the Relationship between Net Stock Issues and Returns in India. Management and Labor Studies, 38(4): 505-515.

34. Zhang, X. 2003. Whether Mergers and Acquisitions and Reorganization can Create Value. Economic Research, 6.

35. Jovanovic, B., Rousseau, P., 2001. Mergers and Technological Change: 1885-1998.Working Paper 01-W16, Vanderbilt University

36. Foster R.S., Lajoux A.R., 1989. The Art of M&A: A Merger Acquisition Buyout Guide. The McGraw-Hill Comp.

37. Billett, T.M., Mauer, D.C., 2003. Cross-subsidies, External Financing Constraints and the Contribution of the Internal Capital Market to Firm Value, The Review of Financial Studies, 4(16) (2003) 1167-1201.

38. Kohli R., Mann B.J.S. Analyzing determinants of value creation in domestic and cross border acquisitions in India // Int. Bus. Rev. 2012. Т. 21. № 6. С. 998-1016

39. Rani N., Yadav S.S., Jain P.K. Impact of Corporate Governance Score on Abnormal Returns of Mergers and Acquisitions // Procedia Econ. Finance. 2013. Т. 5. С. 637-646.

40. Kashiramka S., Rao N.V.M. Shareholders wealth effects of Mergers & Acquisitions in different deal activity periods in India // Eur. J. Bus. Manag. 2013. Т. 5. № 4. С. 116-129.

41. Maheshwari G.C., Vyas R. Wealth Effect of Mergers and Acquisitions: An Event Study // Int. J. Manag. Res. 2014. Т. 3. № 4. С. 13-33.

42. Nurhazrina Mat, Rahim and Wee Ching Pok. “Shareholder Wealth Effects of M&As: The Third Wave from Malaysia.” International Journal of Managerial Finance 9, no. 1 (February 15, 2013): 49-69.

43. Pop D. M&A market in transition economies: Evidence from Romania // Emerg. Mark. Rev. 2006. Т. 7. № 3. С. 244-260.

44. Trojanowski G. Equity block transfers in transition economies: Evidence from Poland // Econ. Syst. 2008. Т. 32. № 3. С. 217-238.

45. Gregoric A., Vespro C. Block trades and the benefits of control in Slovenia1 // Econ. Transit. 2009. Т. 17. № 1. С. 175-210.

46. Soongswang, A. (2010). M&A for Value Creation: The Experience in Thailand. Journal of Contemporary Research In Business, 1(11), 28-50.

47. Andrade, G., Mitchell, M. and Strafford, E. (2001), “New evidence and perspectives on mergers”,Journal of Economic Perspectives, Vol. 15 No. 2, pp. 103-20.

48. Moeller S. B., Schlingemann F. P., Stulz R. M., Wealth destruction on a massive scale? A study of acquisition firm returns in the recent merger wave, Journal of Finance, 2005, 60, 757-782.

49. Fraunhoffer, R. 2014. Market power consolidation and M&A success: A study of US-American and German utility takeovers. International Journal of Economics, 1(1): 29-45

50. Mayers, S.C., 1977. Determinants of Corporate Borrowing, Journal of Financial Economics, 5 (1977) 147-175

51. Travlos, N.G. 1987. Corporate Takeover Bids, Methods of Payment, and Bidding Firms' Stock Returns. The Journal of Finance, 42(4): 943-963

52. Martin, K., 1996. The method of payment in corporate acquisitions, investment opportunities and management ownership, Journal of Finance, 4 (1996) 1227-1246.

53. Chen, L.Y., Lai, J.H., Chen, C.R. 2015. Multiple directorships and the performance of mergers & acquisitions. The North American Journal of Economics and Finance, 33.

54. Dong M., Hirshleifer D., Richardson S., Hong Teoh S., 2006. Does investor misevaluation drive the takeover market? Journal of finance, 61 (2006) 752-762

55. Roll, R., 1986. The hubris hypothesis of corporate takeovers, Journal of Business, 59 (1986) 197-216.

56. Humphery-Jenner, M., Powell, R., 2014. Firm size, sovereign governance, and value creation: Evidence from the acquirer size effect, Journal of Corporate Finance 26 (2014) 57-77

57. Lubatkin, M. and O'Neill, H. 1988. Merger strategies, economic cycles, and stockholder value, Interfaces, November/December

58. Jaffe, J., Jindra, J., Pedersen, D., Voetmann, T. 2014. Returns to acquirers of public and subsidiary targets. Journal of Corporate Finance, 31: 246-270

59. Brealey R.A., Myers S.C., Allen F. Principles of Corporate Finance. Boston: McGraw-Hill, 2007. Вып. 9th edition. 1043

60. Kohers, N., 2004. Acquisition of private targets: the unique shareholders wealth implication, Applied Financial Economics, 14(16) 2004: 1151-1165

61. Campbell, R.D., Ghosh, C., Sirmans, C.F. 2001. The information content of method of payment in mergers: evidence from real estate investment trusts (REITs). Real Estate Economics, 29(3): 361?387

62. Capron, L., Shen, J.-C., 2007. Acquisition of private vs. public firms: private information, target selection and acquirer returns, Strategic Management Journal, 28(9) 2007: 891-911

63. Bradley, M., Sundaram, A.K. 2004. Do acquisitions drive performance or does performance drive acquisitions? SSRN Working paper.

64. Chang, S. 1998. Takeovers of privately held targets, method of payment and bidder return. Journal of Finance, 53(2): 733-784

65. Bouwman, C.H.S., K. Fuller, and A.S Nain, (2009), “Market Valuation and Acquisition Quality: Empirical Evidence,” Review of Financial Studies 22, 633-679.

66. Kotzen, J., Neenan, C., Roos, A. and Stelter, D., )2003). “Winning Through Mergers in Lean Times: The HiddenPower of Merger and Acquisitions in Periods of Below-Average Economic Growth.” Boston: The Boston Consulting Group. Available at: http://thelapisgroup.com/attachments/Winning__Through__Mergers_in_Lean_Times_rpt__Jun_03.pdf

67. Barber, B., and J. Lyon (1996), Detecting abnormal operating performance: The empirical power and specification of test statistics, Journal of Financial Economics 41: 359-399.

68. Hajbaba, A., Donnelly, R. 2013. Acquirers' Performance in Hot and Cold Merger Markets: Evidence of Mispricing. Review of Accounting and Finance, 12(3): 204-225.

69. Johanson, E., Hemberg J., 2012. M&A Performance Across the Business Cycles- Best Timing of M&As at The Swedish Stock Market, Working paper

70. Chiarella, C., Gatti, S., 2013. M&A in tough times. Working paper.

71. Conn R.L. и др. The Impact on UK Acquirers of Domestic, Cross-border, Public and Private Acquisitions // J. Bus. Finance Account. 2005. Т. 32. № 5-6. С. 815-870.

72. Duchin, R., Schmidt, B. 2013. Riding the merger wave: Uncertainty, reduced monitoring, and bad acquisitions. Journal of Financial Economics, 107: 69-88.

73. Kothari, S.P., Warner, J.B., 2007. Econometrics of event studies. Handbook of Corporate Finance/Edited by Eckbo B.E. - Elsevier, 2007.

74. Cybo-Ottone A., Murgia M. Mergers and shareholder wealth in European banking. Journal of Banking and Finance, 2000, 24, pp. 831-859.

75. Liao A, Williams J. Do win-win outcomes exist? A study of cross-border M&A transactions in emerging markets. Comparative Economic Studies, 2008, 50, pp. 274-296.

76. Ma J., Pagбn J.A., Chu Y. Wealth effects of bank mergers and acquisitions in Asian emerging markets. The Journal of Applied Business Research, 2012, 28(1), pp. 47-58.

77. Brown SJ, Warner JB., 1985. Using daily stock returns: The case of event studies. Journal of Financial Economics; 14; 3-31.

78. Kotaro, I., Chen, T., Zhu, Y., Yan, C., Song, C. 2013. Do Market Value Market-Based Governance? Case of Cross-Border Acquisitions by Chinese Firms. SSRN Working paper. DOI:10.2139/ssrn.2139179



Приложения

Приложение 1. Динамика показателей, описывающих состояние фондового рынка на рассматриваемом периоде

Динамика модифицированного мультипликатора P/E (Shiller's 3-year P/E) за период с 2005 по 2015 год

Динамика волатильности фондового рынка за период с 2005 по 2015 год



Приложение 2. Проверка выборки на наличие мультиколлинеарности, гетероскедастичности и автокорреляции

2.1 Проверка на нормальность распределения зависимой переменной

Развитый рынок

Развивающийся рынок



2.2 Проверка выборки на мультиколлинеарность на основании VIF

2.3 Проверка выборки на гетероскедастичность

Выборка	Chi 2	Prob > Chi 2	Вывод
Развитый рынок (США)	69.37	0.0000	Нулевая гипотеза о гомоскедастичности отвергается
Развивающийся рынок (BRICS)	12.93	0.0003	Нулевая гипотеза о гомоскедастичности отвергается

2.4 Проверка выборки на автокорреляцию ошибок

Выборка	DW	DWcrit	Вывод
Развитый рынок (США)	0.1411	1.8740	Нулевая гипотеза об отсутствии автокорреляции отвергается
Развивающийся рынок (BRICS)	0.0982	1.8740	Нулевая гипотеза об отсутствии автокорреляции отвергается



Приложение 3. Регрессионный анализ по развитому рынку капитала (США)

3.1 Основное уравнение регрессии

					Number of obs=872
					F(9,862)=7.39
					Prob>F=0.0000
					R-squared=0.1762
car11	Coef.	Robust Std. Err.	t	P>|t|	[95% Conf. Interval]
roa	-0.0229683	0.0823741	-0.28	0.78	-0.18465	0.138709
lnta	-0.0083022	0.0016332	-5.08	0	-0.01151	-0.0051
diversific~n	-0.0115844	0.0051762	-2.24	0.025	-0.02174	-0.00142
privatetar~t	0.0157554	0.0051968	3.03	0.003	0.005556	0.025955
cashpayment	0.0038541	0.0056703	0.68	0.497	-0.00728	0.014983
overvalued	0.0086359	0.005616	1.54	0.124	-0.00239	0.019659
undervalued	-0.0110302	0.0060506	-1.82	0.069	-0.02291	0.000845
volatile	-0.0045131	0.005809	-0.78	0.437	-0.01591	0.006888
nonvolatile	0.008754	0.0058294	1.5	0.134	-0.00269	0.020196
_cons	0.0778392	0.0174666	4.46	0	0.043557	0.112121

3.2 Основное уравнение регрессии с исключенными показателями конъюнктуры фондового рынка



					Number of obs=872
					F(5,866)=10.40
					Prob>F=0.0000
					R-squared=0.1551
car11	Coef.	Robust Std. Err.	t	P>|t|	[95% Conf. Interval]
roa	-0.0194025	0.0867762	-0.22	0.823	-0.18972	0.150914
lnta	-0.0085539	0.0016586	-5.16	0	-0.01181	-0.0053
diversific~n	-0.0105595	0.0053044	-1.99	0.047	-0.02097	-0.00015
privatetar~t	0.0139819	0.0051623	2.71	0.007	0.00385	0.024114
cashpayment	0.0043401	0.0057217	0.76	0.448	-0.00689	0.01557
_cons	0.082269	0.0165516	4.97	0	0.049783	0.114755

3.3 Матрица коэффициентов CAAR

Переоценка	Высокая	2.8%	1.9%	1.8%
	Средняя	2.1%	1.1%	1.1%
	Низкая	1.4%	0.1%	-0.7%
		Низкая	Высокая	Средняя
		Волатильность

3.4 Матрица стандартных отклонений коэффициентов CAAR

Переоценка	Высокая	0.0710	0.0644	0.0662
	Средняя	0.0771	0.0757	0.0633
	Низкая	0.0779	0.0715	0.0677
		Низкая	Высокая	Средняя
		Волатильность

3.5 Матрица значений t-статистики для коэффициентов CAAR

Переоценка	Высокая	4.8347	2.9037	1.7535
	Средняя	2.4556	1.8982	1.7464
	Низкая	1.1917	0.1207	-1.0583
		Низкая	Высокая	Средняя
		Волатильность

1.1 

3.6 Матрица значений P-value для коэффициентов CAAR

Переоценка	Высокая	0.0%	0.5%	8.7%
	Средняя	1.6%	5.9%	8.4%
	Низкая	24.0%	90.4%	29.2%
		Низкая	Высокая	Средняя
		Волатильность

3.7 Тест Welch

Diff	t-stat	P>|t|	Вывод
0.0138	1.99	4,7%	Нулевая гипотеза об отсутствии различий отвергается



Приложение 4. Регрессионный анализ по развивающимся рынкам капитала (BRICS)

3.1 Основное уравнение регрессии

					Number of obs=517
					F(9,507)=3.03
					Prob > F=0.0015
					R-squared=0.1483
car11	Coef.	Robust Std. Err.	t	P>|t|	[95% Conf. Interval]
roa	0.0383407	0.0258207	1.48	0.138	-0.01239	0.08907
lnta	-0.0025592	0.0010826	-2.36	0.018	-0.00469	-0.00043
diversific~n	-0.0095834	0.0047869	-2	0.046	-0.01899	-0.00018
privatetar~t	-0.0093749	0.0064321	-1.46	0.146	-0.02201	0.003262
cashpayment	-0.0042936	0.005298	-0.81	0.418	-0.0147	0.006115
overvalued	-0.0016509	0.0054251	-0.3	0.761	-0.01231	0.009008
undervalued	0.0023048	0.0062353	0.37	0.712	-0.00995	0.014555
volatile	0.0091299	0.0058193	1.57	0.117	-0.0023	0.020563
nonvolatile	-0.0100391	0.0057617	-1.74	0.082	-0.02136	0.001281
_cons	0.0468207	0.0129593	3.61	0	0.02136	0.072281

3.2 Основное уравнение регрессии с исключенными показателями конъюнктуры фондового рынка

					Number of obs =517
					F(5,511) = 3.10
					Prob > F=0.0091
					R-squared=0.1298
car11	Coef.	Robust Std. Err.	t	P>|t|	[95% Conf. Interval]
roa	0.0347926	0.0256031	1.36	0.175	-0.01551	0.085093
lnta	-0.0023034	0.0010688	-2.16	0.032	-0.0044	-0.0002
diversific~n	-0.0089022	0.0048191	-1.85	0.065	-0.01837	0.000565
privatetar~t	-0.0100676	0.0064284	-1.57	0.118	-0.0227	0.002562
cashpayment	-0.0048536	0.0053558	-0.91	0.365	-0.01538	0.005668
_cons	0.0453461	0.0119279	3.8	0	0.021912	0.06878

3.3 Матрица коэффициентов CAAR

Переоценка	Высокая	-0.5%	1.2%	1.6%
	Средняя	0.0%	0.7%	2.6%
	Низкая	0.7%	0.7%	1.4%
		Низкая	Высокая	Средняя
		Волатильность

3.4 Матрица стандартных отклонений коэффициентов CAAR

Переоценка	Высокая	0.0402	0.0537	0.0544
	Средняя	0.0487	0.0544	0.0588
	Низкая	0.0571	0.0624	0.0526
		Низкая	Высокая	Средняя
		Волатильность

3.5 Матрица значений t-статистики для коэффициентов CAAR

Переоценка	Высокая	-0.6934	1.7115	2.4800
	Средняя	-0.0033	1.1066	3.4067
	Низкая	0.8814	0.8731	1.6191
		Низкая	Высокая	Средняя
		Волатильность

3.6 Матрица значений P-value для коэффициентов CAAR

Переоценка	Высокая	49.3%	9.2%	1.5%
	Средняя	99.7%	27.2%	0.1%
	Низкая	38.2%	38.7%	11.4%
		Низкая	Высокая	Средняя
		Волатильность

3.7 Тест Welch

Diff	t-stat	P>|t|	Вывод
0.0104	1.72	8,7%	Нулевая гипотеза об отсутствии различий отвергается

Размещено на Allbest.ru