R^- E_t (d _t+)0 , (12)

Объединив два уравнения (10) и (11) и выразив дивиденды через будущие доходы и балансовую стоимость собственного капитала, получаем следующее:

V_t = b_t + , (13)

Это модель была модифицирована в работе Эдвардса и Белла-Писнела (Edwards and Bell, Peasnell, 1961,1982) для базовой стоимости компании, и эта стоимость является суммой текущей балансовой стоимости и текущей стоимости будущего остаточного потока прибылей (аномальных прибылей). Вклад Ольсона состоит в том, что он предположил особенный процесс «информационной динамики», который ограничивает модель дисконтирования аномальных прибылей.

Гуэст в своей работе (Guest et al., 2010) предположил, что последнее слагаемое уравнения (13) равно нулю, а второе слагаемое уравнение и есть текущая дисконтированная стоимость будущих прибылей. Guest, P.M., Bild, M., and Runsten, M. (2010), “The effect of takeovers on the fundamental value of acquirers”, Accounting and Business Research, vol. 40, no. 4, pp. 333-352. Более того, автор указывает на необходимость оценки пост-прогнозной (терминальной стоимости - terminal value) компании, другими словами горизонтной, которая позволяет ограничить период прогнозирования:

V_t = b_t + + , (14)

Третье слагаемое уравнения (14) и есть терминальная стоимость, найденная путем суммирования избыточных прибылей в период t+T, дисконтированных на бесконечности при условии отсутствия последующего роста. Если терминальная стоимость меньше нуля, то она заменяется нулевым значением с предпосылкой о том, что в долгосрочном периоде менеджеры не рассчитывают инвестироваться в проекты с отрицательной NPV. Лузина Д. С., Рогова Е. М. Оценка влияния сделок слияний и поглощений на фундаментальную стоимость компаний в странах BRICS // Корпоративные финансы. 2015. Т. 35. № 3. С. 27-50.

В рамках цели оценивания влияния сделки слияния и поглощения на фундаментальную стоимость управляющей компании фонда прямых инвестиций используется модифицированная модель уравнения (14). Прогнозируемый период, согласно практике исследований, составляет 3-5 лет. Кеннет Феррис, Барбара Пешеро Пети Оценка стоимости компании. Как избежать ошибок при приобретении. - М.: Вильямс, 2005. - 256 с. В рамках данного исследования был выбран период в 4 отчетных периода с момента совершения сделки. Таким образом, фундаментальная стоимость компании составит:

V_post = b_-1 + + + + (11)

Показатель b_-1 представляет собой балансовую стоимость активов в период, предшествующий совершению сделки слияния. Нулевой период - это год консолидации компаний, первый отчетный период после совершения сделки. Вторая, третья и четвертая части представляют собой остаточные прибыли в периоды 0, 1 и 2. Последнее слагаемое определяет терминальную стоимость, которая равна избыточной прибыли третьего (последнего) периода, дисконтированной на бесконечности. Лузина Д. С., Рогова Е. М. Оценка влияния сделок слияний и поглощений на фундаментальную стоимость компаний в странах BRICS // Корпоративные финансы. 2015. Т. 35. № 3. С. 27-50.

V_{pre_acq} = + + + , (15)

Искомая избыточная фундаментальная стоимость, созданная в результате совершения сделки слияния и поглощения фондом прямых инвестиций находится как разница между фактической рассчитанной фундаментальной стоимостью (15) и ее ожидаемой величиной (16):

V=V_{post_acq} -V_{pre_acq} , (16)

Если V > 0, то сделка создает стоимость для собственников фонда прямых инвестиций. Для сопоставимости данных оценок между разными ФПИ в условиях разных валютных расчетов, сравнивается процентный прирост приобретающей компании:

V= , (17)

Под показателем E _-1 подразумевается математическое ожидание рентабельности собственного капитала (ROE) в период -3 по -1. В ожидаемой избыточной остаточной прибыли показатели чистой прибыли и балансовой стоимости умножаются на соответствующий темпы роста показателей в период -3 по -1 года. Стоит отметить, что в качестве ставки r_e применяется изменяющаяся во времени ставка дисконтирования, которая является специфической для каждой отдельно взятой компании. Рассчитывается она согласно модели оценки капитальных активов CAPM и строится согласно данным сайта Damodaran Online, где используются бета коэффициент по отрасли поглощаемой компании и премия за страновой риск. В нашем случае, в среднем, страновой риск российского рынка составил 7,7%. В качестве безрисковой процентной ставки рассматривается ставка инвестиций с минимальными рисками и абсолютной ликвидностью. В наибольшей степени таким условиям отвечают ставки дохода по государственным облигациям. В данном случае, была принята средняя ставка доходности по государственным долгосрочным десятилетним казначейским обязательствам США (US T-Bonds) за период 2005 - 2014 г.г. Ставка составила на 01.01.2015 г. 5,31%, затем скорректированная с учетом отраслевого и странового рисков.

С целью выявления факторов генерируемой фундаментальной стоимости, рассчитанной по формуле (17), авторами применяется базовая многофакторная аддитивная регрессионная модель 1 (18), где зависимой переменной выступает прирост фундаментальной стоимости поглощающей компании (ФПИ), а независимыми (объясняющими переменными) выступают детерминанты доходности фонда прямых инвестиций, которые были выявлены в результате обзора научной литературы (глава 2) и модель бинарного выбора 2 (19) , где в роли зависимой переменной выступает количественный эффект от совершения сделки M&A (либо положительный, либо отрицательный).

_i = + вX_it+ , (18)

_vi = + вX_it+ , (19)

Где _i - теоретически-расчетное значение прироста фундаментальной стоимости i-го фонда (в процентах),

в - оценочное значение коэффициента при объясняющих переменных i-го фонда в момент t,

- ошибка или случайная компонента.



Таблица 3.1. Характеристика переменных

	Наименование переменной	Описание переменных
Зависимые переменные	Effv	Влияние сделки слияния и поглощения на фундаментальную стоимость компании, прирост фундаментальной стоимости; Количественный эффект от совершения сделки M&A, выраженный дамми переменной: 1 - если V>0, 0 - если V<0 .
		Регрессоры (Xj)
1. Показатели эффективности (доходности) фонда
	ROA (%)	Коэффициент рентабельности активов. Данный показатель характеризует способность менеджеров компании эффективно использовать ее активы. Выражается в процентах.
2. Факторы эффективности
Стратегия фонда	vent_fund	1 - если венчурный фонд, о - иной тип фонда прямых инвестиций.
	spec	Специализация фонда. Дамми переменная для специализированных (1) и диверсифицированных (0) фондов.
	Num_comp	Степень диверсификации фонда. Количество компаний в портфеле.
Характеристики фонда	age (log)	Логарифм возраста i-ой управляющей компании в момент t. Возраст измеряется в месяцах с момента создания компании.
	country	Страновая принадлежность ФПИ: (Россия - 1; другое - 0).
	Size (t)	Размер управляющей компании. В данном случае под размером подразумевается выручка компании в момент времени t.
3. Макро	MMVB (t) - рост	Индекс ММВБ, влияние рыночного цыкла, доходность рынка акций, значение прироста.
Характеристики сделки M&A
	crisis_year	Год завершения сделки. Если сделка принадлежит к кризиному периоду с 2008 по 2010 года, то переменная принимает значение 1, иное - 0
	deal_size	Натуральный логарифм размера сделки, (стоимость сделки в тыс. евро).
Отрасль объекта инвестирования (дамми)
		Отрасль поглощаемой компании (1 - если принадлежит данной отрасли, о - другая отрасль).
	ind_oil_gaz_energy	Нефтегазовый сектор, Энергетический сектор
	ind_iti	Интернет и телекоммуникации
	ind_fin_re	Финансовый сектор, недвижимость (real estate).
	ind_met_mining_mach	Металлургическая отрасль, горнодобывающая и машиностроение
	ind_food	Пищевая промышленность
	ind_retail	Ритейл (в общем виде)
	ind_transport	Транспорт и транспортные услуги
	ind_chemical	Химическая отрасль; биотехнологии и медицина
	ind_service_other	Услуги и прочее

Таким образом, после анализа научной литературы, как зарубежной, так и отечественной и разработки методологии исследования, выдвигаются следующие гипотезы, которые будут тестироваться в данной работе:

Гипотеза 1: Сделки слияния и поглощения на российском рынке капитала приводят к росту фундаментальной стоимости фонда прямых инвестиций. Данная гипотеза соответствует большинству рассмотренных научных работ, посвященных данной проблеме.

Гипотеза 2: Участие отечественных игроков рынка приводит к большему росту фундаментальной стоимости. Переменная country ? 0 и коэффициент значим. Это может объясняться проблемой информационной асимметрии и высокой концентрацией инсайдерской информации на российском рынке сделок M&A, так как российские участники рынка могут владеть закрытой информацией (по причине личных знакомств, финансового вознаграждения и ряда других причин), которой не обладают их зарубежные коллеги.

Гипотеза 3: Отрасль приобретаемой компании оказывает влияние на фундаментальную стоимость фонда прямых инвестиций. Для тестирования данной гипотезы будут использоваться фиктивные переменные, отражающие принадлежность к той или иной отрасли.

Гипотеза 4: Размер поглащающей компании положительно влияет на ее прирост фундаментальной стоимости.

Размер фонда прямых инвестиций и управляющей компании - это объем выручки в период t. Размер определяет такие факторы, как возможность использования эффекта экономии на масштабе, гибкость бюджетной политики компании, а также использование репутации (Gompers and Lerner, 1999). Более того, у большего фонда имеются большие средства для инвестирования. Исследования выявили положительную зависимость размера фонда и его доходности. ( Laine and Torstila, 2004; Nikoskelainen and Wright, 2007; Phalippou and Gottschalg 2009).

Гипотеза 5: Тип фонда прямых инвестиций (венчурный фонд или иное) влияет на генерирование стоимости фонда.

Верность данной гипотезы указывает на то, что существует устойчивая тенденция разности в доходностях между типами фондов. Анализ зарубежной практики показал, что, по статистике, фонды выкупа являются более доходными, нежели венчурные фонды. Однако авторы данной работы предполагают, что в условиях развивающегося российского рынка, венчурные фонды показывают наиболее высокие показатели доходности. То есть vent_fund = 1, коффициент статистически значим и положительный.

Гипотеза 6: Возраст управляющей компании положительно влияет на эффективность работы фонда.

Верность данной гипотезы указывает на то, что возраст, а, следовательно, и опыт управляющей компании положительно влияет на доходность проивзодимых инвестиций. Это связано с обширным опытом менеджмента компании и с вероятным возникновением «больших» связей менеджеров. Тем более данный факт актуален на российском рынке, где многие сделки совершаются благодаря инсайдерской информации.

Гипотеза 7. Узкая специализация фонда отрицательно влияет на его фундаментальную стоимость.

Другими словами, предполагается, что диверсифицированные фонды получают более высокие ставки доходности на рынке, нежели узко специализированные.

Гипотеза 8. Динамика российского фондового рынка оказывает влияние на эффективность ФПИ.

То есть авторы предполагают, что эффективность сделок M&A, ссовершенных фондами прямых инвестиций, находится в прямой зависимости от эффективности российского фондового рынка.



4. Результаты эконометрической оценки факторов стоимости в сделках M&A, осуществляемых ФПИ

4.1 Формирование и анализ выборки исследования

Для проведения исследования были собраны данные по завершенным сделкам слияния и поглощения, где поглощающей компанией является фонд прямых инвестиций, как отечественный, так и зарубежный в период с 2008 по 2015 года. Как было отмечено в 1 главе работы, к ФПИ мы относим фонды, осуществляемые выкуп компании, фондаы роста, а также венчурные фонды. Выбранный временной период обуславливается несколькими факторами: период экономического кризиса не исключался (2008-2010гг.), так как во-первых на этот период пришлось много сделок слияния и поглощения, а во-вторых период экономического кризиса представляет интерес для авторов исследования; в-третьих, это обуславливается проблематичным доступом к отчетностям, более ранним, чем 2008 год. 2016 год был исключен из выборки по причине того, что при расчетах пока невозможно отследить влияние сделки на фундаментальную стоимость компании. Более того, многие управляющие компании на момент написания исследования еще не опубликовали отчетноть за 2016 год. Данные по сделкам слияния и поглощения были экспортированы из базы данных Zephyr Berau Van Dajk, данные по финансовым отчетностям ФПИ и их управляющих компаний были получены из системы СПАРК, Thomson Reuters Advanced Analytics и Preqveca, либо из официальных сайтов управляющих компаний. Общее число сделок составило 202. Полный перечень фондов прямых инвестиций и их управляющих компаний, участвующих в исследуемыхсделках, указан в Приложении 1. Базой для эконометрического анализа послужила программа Stata Program.

Критерии отбора исследуемой сделки M&A:

1) Статус сделки: завершенная;

2) Тип сделки: по классификатру базы Zephyr были рассмотрены Acquisition, Management buy-out;

3) Финансовые данные компании: у компании-покупателя известны показатели бухгалтерского баланса и отчета о финансовых результатов;

4) Компания-цель является российской компанией, то есть в данной работе исследуется российский рынок капитала;

5) Доля приобритения: > 50%;

6) Период исследования: 2008 по 2015 гг.;

7) Поглощающая компания: фонд прямых инвестиций;

8) Отрасль объекта сделки -все сектора экономики.

Таблица 4.1.Характеристика выборки

Характеристика	Значение
Страновая принадлежность ФПИ (% от общего числа)
- Сделки с участием российских ФПИ	80,1%
- Сделки с участием зарубежных ФПИ	19,9%
Сделки с участием венчурных фондов	40,3%
Сделкки с участием фондов, специализирующихся на определенных отраслях экономики	40,8%
Год завершения сделки: (% от общего числа)
- 2008	4%
- 2009	8,4%
- 2010	9,4%
- 2011	9,9%
- 2012	16,8%
- 2013	18,3%
- 2014	19,3%
- 2015	13,9%
Отрасль приобретения (% от общего числа)
Нефтегазовый сектор, энергетика	8%
Интернет и телекоммуникации	20%
Финансовый сектор, недвижимость (real estate).	24%
Металлургическая отрасль, горнодобывающая и машиностроение	7%
Пищевая промышленность	3%
Ритейл (в общем виде)	7%
Транспорт и транспортные услуги	6%
Химическая отрасль; биотехнологии и медицина	2%
Услуги и прочее	23%

Диаграмма № 1. Временное распределение сделок M&A

Для наглядного примерна на диаграмме 2 видно, что сделки слияния и поглощения распределились неравномерно по годам.

Отраслевое распределение сделок графически представлено ниже.



Диаграмма 2.

Диаграмма 2 наглядно демонстрирует, что отраслевное распределение сделок исследуемой выборки оказалось также не равномерным. Есть очевидные выбросы в пользу отрасли телекоммуникаций и интернета (IT сфера) - 20%, финансового сектора - 24%, а таже рекламы, образования, потребительских усоуг и прочего - 23%, что являлось ожидаемым фактом, так как основными направлениями инвестирования ФПИ является IT сфера, прогроммирование и интернет, финансовые компании,а также широкий спектр потребительских услуг, также включающий в себя сеть Интернет.

В таблице 4.1. качественный и количественный анализ исследуемой выборки показал, что 80,1% от общего числа сделок M&A составляют сделки с участием отечественных фондов прямых инвестиций. Это обусловлено несколькими факторами. В первую очередь стоит отметить, что в связи с рядом проблем , с которыми сталикаваются фонды прямых инвестиций (см. пункт 1.6.) при ведении своей деятельности на территории РФ, многие зарубежные фонды отказываются от партнерства с Россией. Также малому числу сделок с зарубежными фондами способствует непростая геополитическая ситуация в стране. В добавок необходимо заметить, что многие зарубежные ФПИ не публикуют свою отчетность, в связи с чем многие сделки были исключены из выборки.

Рассматривая выборку с точки зрения временных параметров можно заметить, что большинство сделок пришлось на 2011-2015 года, что подтверждается вышеописанной статистикой рынка прямого инвестирования в России.

Отраслевой анализ выборки, как и ожидалось, демонстрирует большое число сделок в финансовом секторе, отрасли телекоммуникаций и интернет технологий, а также в сфере услуг и досуга - на их долю приходится 67% от общего числа сделок слияния и поглощения.

Рассмотрим статистические показатели количественных переменных выборки, таких как прирост фундаментальной стоимости i-ой управляющей компании (в процентах), рентабельность активов, количество компаний в портфеле фонда, а также возраст управляющей компании (в месяцах).

Таблица 4.2. Статистические показатели количественных переменных

variable	mean	min	max	cv	sd	p50
val_	1.965315	-38.8254	28.7595	3.612581	7.09986	1.0013
roa	0.084517	-2.08358	1.9414	4.853654	0.410216	0.0412
num_comp	18.61257	2	67	0.640438	11.9202	17
age	134.9554	1	311	0.666846	89.99454	105

Средний рассчитанный прирост фундаментальной стоимости управляющей компании составил 1,96 %, разброс значений составил 3,6%. Максимальное значение составило 28,8%, а минимальное -38,8%. Средний показатель рентабельности активов среди управляющих компаний составил 8,5%. Среднее число компаний в портфеле фонда составило 18. Возраст управляющей компании в среднем оказался равным 135 месяцев, что соответствует 11 годам.

Расчеты показали, что из общего числа сделок M&A, сделки, создающие фундаменталльную стоимость компании составили 64% от общего числа. Другими словами, в рамках исследуемой выборки, преобладают сделки с положительным значением ДV. Более того, из числа положительных приростов фундаментальной стоимости компании 78% сделок являются сделками с участием российских управляющих компаний, что позволяет не отвергнуть гипотезу № 2 о положительном влиянии на фундаментальную стоимость такого фактора, как участие в сделки M&A отечественной компании.

4.2 Анализ регрессионной модели

Для оценки факторов стоимости сделки, оказывающих влияние на прирост (как положительный, так и отрицательный) фундаментальной стоимости УК (управляющая компания) были построены две регрессионные модели - одна с количественной зависимой переменной (val), другая - с дамми переменной eff_v, выраженной в разнице между рассчитанными значениями фундаментальной стоимости до и после совершения i-ой сделки (модель бинарного выбора). Последняя была добавлена с целью более подробного анализа факторов стоимости, влияющих на фундаментальную стоимость УК. В качетсве эконометрического анализа используется модель МНК.

_i = + вX_it+ - модель (1),

_vi = + вX_it+ - модель (2).

В ходе построения регрессионной модели, некоторые независимые переменные были преобразованы в логарифмические значения. Это связяно с их высокими значениями и значительными разбросами (size, age, deal size).

В процессе постреония регрессионной модели, призванной проверить выдвинутые гипотезы, был произведен ряд эконометрических манипуляций, призванных построить наиболее грамотную регрессионную модель.

1) Тест на нормальность распределения переменных

Для анализа переменных на нормальность распределения используются визуальный и формальный тесты. В качестве визуального анализа была построена функция Kernel Density. В большинстве случаев визуальное распределение не является нормальным. Для того, чтобы приблизить распределение к нормальному, был использован метод логарифмирования некоторых переменных. Стоит отмметить, что отсутствие нормального распределения в рамках данного исследования свидетельствует о специфике данных.

Для подтверждения гипотезы о том, что переменные не распределены нормально, используется формальный тест на нормальность распределения Shapiro-Francia test , где нулевая гипотеза утверждает о нормальном распределении переменной. Если p-value<0.05, то нулевая гипотеза отвергается. В данном случае стоит отметить, что ненормальность распределения была принята как особенность используемых данных. Более того, в регрессионной модели оценки коэффициентов получились значимыми на 5% и 10% уровне значимости, что допускает ненормальность распределения выбранных переменных.

2) Тест на гетероскедастичность

Анализ данных на гетероскедастичность проводился с помощью теста Бройша-Пагана и функции imtest. Формальные тесты показали, что в регрессионных моделях присутствует гетероскедастичность. При ее наличии регрессионный анализ показывает не эффективные оценки, что может привести к статистически неверным результатам. Поэтому для устранения данной проблемы гетероскедастичности, в дальнейшем использовались регрессии с robust тестом, что способствует избежанию гетероскедастичности данных.

3) Анализ распределения остатков регрессии

После построения регрессионных моделей была проведена диагностика регрессии на распределение ее остатков с помощью специальных тестов, а также построения графика распределения остатков Residuals-versus-fitted и Residuals-versus-predictor для каждой переменной.

В результате построенных гистограммам, распределение остатков регрессии немного смещалось в отрицательную и положительную стороны, что допускается в регрессии и не приводит к искажению результатов анализа.

Residual-versus-fitted plot выявил, что разброс остатков значительно увеличивается с ростом предсказанного значения. Это свидетельствует о наличии гетероскедастичности. С другой стороны, Residual-versus-predictor plots, построенный для каждого регрессора, показывал, что разброс остатков в одних случаях значимо увеличивается с ростом значения регрессора, в других - уменьшается. Отсюда заключаем, что гетероскедастичность, скорее всего - свойство данных. Поэтому во избежании возможных статистических искажений авторами использовалась робастная модель.

В процессе поиска наиболее подходящей регрессионной модели, способной оценить взаимосявязь между переменными, базовая регрессионная модель включает в себя основные переменные, отвечающие выдвинутым гипотезам в главе 3, такие как crisis_year, roa, vent_fund, spec, num_comp, age, country , mmvb. Результаты приведены в таблице 4.3.

Таблица 4.3. Базовая спецификация регрессионной модели (1)

		Robust
val	Coef.	Std. Err.	t	P>t	[95% Conf.	Interval]
roa	-0.195	0.668	-0.29	0.77	-1.513	1.122
crisis_year	0.727	1.183	0.61	0.54	-1.608	3.062
vent_fund	1.330	0.906	-1.47	0.044	-3.117	0.457
spec	-1.421	1.103	1.29	0.020	-0.755	3.597
num_comp	0.022	0.047	0.47	0.636	-0.071	0.116
country	1.447	1.603	-0.9	0.008	-4.609	1.715
lnage	0.994	0.467	2.13	0.035	0.073	1.914
mmvb	82.499	412.803	0.2	0.842	-731.996	896.994
_cons	-84.375	412.518	-0.2	0.838	-898.309	729.558

В регрессионной модели (1) оценки коэффициентов перед объясняющими переменными vent_fund, spec, lnage, country оказались статистически значимыми на 5% уровне значимости. Показатели временного параметра сделки, количества компаний в портфеле фонда, а также макроэкономический показатель, выраженный в приросте индекса ММВБ, оказались статистически не значимыми на 5% уровне значимости. R²_adj составил 0,64, что означает, что базовая спецификация модели с выбранными переменными на 64% объясняет прирост фундаментальной стоимости фонда.

Далее включим в базовую спецификацию дополнительные объясняющие переменные, способные в большей степени определить факторы стоимости в сделках M&A, осуществляемых фондами прямых инвестиций, такие размер сделки (логарифм величины), размер управляющей компании (логарифм велечины), а также переменные отраслевой принадлежности поглащаемой компании. Результаты приведены в таблице 4.4.

Таблица 4.4. Спецификация с дополнительными переменными

		Robust
val	Coef.	Std. Err.	t	P>t	[95% Conf.	Interval]
crisis_year	1.342	2.402	0.56	0.578	-3.427	6.110
roa	-0.245	0.799	-0.31	0.76	-1.830	1.341
vent_fund	1.651	1.524	-1.08	0.021	-4.677	1.374
spec	2.703	1.479	1.83	0.044	-0.233	5.639
num_comp	0.064	0.067	0.96	0.338	-0.069	0.197
country	0.751	1.949	0.39	0.037	-3.118	4.620
mmvb	-7.298	15.807	-1.41	0.161	-17.532	29.493
lnsize	-0.015	0.474	-0.03	0.975	-0.956	0.926
lnage	1.816	0.886	2.05	0.043	0.057	3.574
lndeal_size	-0.224	0.303	-0.74	0.461	-0.826	0.377
ind_iti	1.230	2.387	-0.52	0.000	-5.969	3.509
ind_fin_re	-1.349	2.120	-0.64	0.526	-5.559	2.860
ind_metal_~h	2.290	2.908	0.79	0.433	-3.483	8.063
ind_retail	1.495	1.998	0.75	0.456	-2.470	5.461
ind_food	-3.884	2.042	-1.9	0.060	-7.937	0.169
ind_energy~z	0.164	3.063	0.05	0.957	-5.916	6.244
ind_servic~r	-1.997	1.756	-1.14	0.258	-5.483	1.490
ind_chemical	19.537	4.862	4.02	0.071	9.884	29.190
ind_transp~t	-2.108	2.381	-0.89	0.378	-6.834	2.618
_cons	725.860	515.036	1.41	0.162	-296.615	1748.335

Включение дополнительных переменных незначительно улучшило спецификацию модели - R²_adj остался примерно на том же уровне - 0,67. Из таблицы видно, что среди добавленных переменных только две оказались статистиески значимы - принадлежность компании-цели к отрасли IT и теллекоммуникаций, а также к отрасли химической промышленности и биотехнологий. Также стоит заметить, что оценки коэффициентов у обеих независимых переменных оказались положительными. Ряд статистически значимых переменных из базовой спецификации также остался значимым в данной модели.

В первой и второй спецификациях получили, что коэффиценты перед объясняющими переменными crisis_year, roa, num_comp, mmvb являются не значимыми на 5% уровне значимости. Тогда проверим гипотезу о том, что вышеуказанные коэффициенты одновременно равны 0.

( 1) crisis_year = 0

( 2) roa = 0

( 3) num_comp = 0

(4) mmvb = 0

F ( 4, 189) = 1.30

Prob > F = 0.2727

Результаты теста показывают, что коэффициенты перед этими объясняющими переменными могут быть равны 0. Отсюда следует, что можно исключить эти переменные из спецификации модели. Тот же тест производится и для переменных, характеризующих принадлежность к какой-то отрасли, за исключением переменных ind_iti, ind_chemical. Произведенный тест также показал, что данные переменные могут быть исключены из модели по причине одновременной равности нулю.

Таким образом, после вышеописанных манипуляций строится следующая спецификация модели, результаты которой представлены в таблице 4.5.

Таблица 4.5. Спецификация модели №3

		Robust
val	Coef.	Std. Err.	t	P>t	[95% Conf.	Interval]
deal_size	0.000	0.000	-0.33	0.740	0.000	0.000
vent_fund	1.555	1.482	-1.05	0.016	-4.490	1.380
spec	-2.812	1.280	2.20	0.030	0.276	5.348
country	0.440	2.105	-0.21	0.024	-4.610	3.731
lnage	1.670	0.671	2.49	0.014	0.342	2.998
lnsize	-0.458	0.424	-1.08	0.283	-1.298	0.382
lndeal_size	0.118	0.310	0.38	0.705	-0.496	0.731
ind_iti	0.392	1.446	0.27	0.000	-2.472	3.256
ind_chemical	22.839	2.142	10.66	0.091	18.596	27.082
_cons	0.879	8.091	0.11	0.914	-15.149	16.907

В результате преобразования спецификации, R²_adj увеличился до значения 0, 72, что означает, что используемые объясняющие переменные на 72% объясняют прирост стоимости управляюще компании в результате совершения сделки слияния и поглощения. Факторами, увеличивающими фундаментальную стоимость, являются принадлежность фонда к венчурному типу инвестирования, возраст, или другими словами опыт управляющей компании на российском рынке капитала, инвестирование в отрасль IT сферы и телекоммуникаций, а также в химическую отрасль и биотехнологии. Также положительно на фундаментальной стоимость управляющей компании сказывается тот факт, является ли она российской компанией.

Теперь построим регрессионную модель зависимости эффекта сделки (ДV>0, ДV<0) от качественных и количественных переменных, которые на взгляд авторов, способны оказывать влияние. Были построены две модели бинарного выбора: логит модель и пробит модель. Результаты отражены в таблице 4.6.

Таблица 4.6. Модель бинарного выбора с зависимой переменной Eff_v

	Логит модель	Пробит модель
effv	Coef.	Std. Err.	P>z	Coef.	Std. Err.	P>z
vent_fund	-0.522	0.603	0.036	-0.326	0.363	0.034
spec	1.328	0.540	0.014	0.802	0.324	0.013
num_comp	0.010	0.017	0.542	0.006	0.010	0.554
country	0.535	0.529	0.312	0.310	0.328	0.345
lnage	0.066	0.211	0.028	0.040	0.123	0.027
lndeal_size	-0.059	0.110	0.593	-0.033	0.066	0.621
ind_iti	0.323	0.613	0.049	0.194	0.353	0.047
ind_fin_re	-0.300	0.508	0.555	-0.171	0.304	0.573
_cons	0.515	1.960	0.793	0.285	1.208	0.814

Из таблицы 4.6. видно, что результаты двух спецификаций незначительно отличаются. Пробит модель показала немного лучшие резульаты, чем логит, поэтому будем ориентироваться на данные этой модели. В результате из 8 регрессоров статистически значимыми на 5% уровне значимости оказались четыре - vent_fund, spec, lnage, ind_iti. Все значимые переменные, кроме узкой специализации фонда, оказывают положительное влияние на зависимую переменную Eff_v. Это означает, что фонды, относящиеся к венчурному типу инвестирования, длительный опыт деятельности УК на рынке, а также инвестирование в отрасль IT и телекоммуникаций характеризуются большим приростом стоимости УК. Данная регрессионная модель служит подтверждением уже построенной ранее базовой спецификации. R²_adj модели составил 0,62.

Стоит отметить, что построение модели бинарного выбора не привнесла каких-либо изменение в результаты эмпирической проверки выдвинутых гипотез, однако послужила подтверждением уже ранее полученных результатоы в регрессионной модели с количественной зависимой прироста стоимости УК.

Рассмотрим полученные в ходе построения регрессионных моделей результаты проверки выдвинутых гипотез:

Гипотеза 1: Сделки слияния и поглощения на российском рынке капитала приводят к росту фундаментальной стоимости фонда прямых инвестиций. Данная гипотеза не отвергается в большинстве рассмотренных научных работ, посвященных данной проблеме. В рамках данного исследования, эта гипотеза не отвергается. Согласно проведенному статистическому анализу, в 64% случаев сделка слияния и поглощения привела к росту фундаментальной стоимости управляющей компании.

Гипотеза 2: Участие отечественных игроков рынка приводит к большему росту фундаментальной стоимости. Согласно проведенному регрессионному анализу, данная гипотеза не может быть отвергнута. Уровень значимости t-статистики составил 5%. Оценка коэффициента перед объясняющей переменной имеет положительный знак во всех спецификациях. Таким образом, можно прийти к выводу, что участие в сделке M&A отечественных игроков рынка приводит к большему приросту фундаментальной стоимости УК. Это может объясняться проблемой информационной асимметрии и высокой концентрацией инсайдерской информации на российском рынке сделок M&A, так как российские участники рынка могут владеть закрытой информацией (по причине личных знакомств, финансового вознаграждения и ряда других причин), которыми не обладают их зарубежные коллеги.

Однако стоит отметить, что при проверке данной гипотезы необходимо указать на тот факт, что по причине труднодоступности к данным зарубежных фондом, выборка оказалась значительно смещена в сторону российских компаний. В связи с чем данная оценка может быть не точной.

Гипотеза 3: Отрасль приобретаемой компании оказывает влияние на фундаментальную стоимость фонда прямых инвестиций. В результате анализа, только две фиктивные переменные, отражающие принадлежность к какой-либо отрасли оказались статистически значимыми - IT сфера и телекоммуникации, а также химическая отрасль и биотехнологии. Это обуславливается возрастающим в последние несколько лет спросе и предложении продуктов IT сферы, интернета, программных разработок. Данная отрасль является сверхдоходной при успешной реализации проекта. На сегодняшний день в России вышеуказанная отрасль является стремительно развивающейся, в отличии США и Европы, где развитие Интернет и IT сферы произошла намного раньше. По этой причине, многие инвесторы стремятся вкладываться в данный развивающийся рынок. Отраль химической промышленности и биотехнологий является относительно редкой в плане инвестирования в рамках данного исследования. Этим может объясняться ее значимое влияние на прирост фундаментальной стоимости УК.

Данная гипотеза является единвственной из всех, в которой уровень значимости у переменных составил 10%. Это свидетельствует о существовании, но относитлеьно низкой степени влияния отраслевого фактора на прирост фундаментальной стоимости УК в результате сделки M&A по сравнению другими объясняющими переменными.

Гипотеза 4: Размер поглащающей компании положительно влияет на ее прирост фундаментальной стоимости.

В ходе регрессионного анализа ни одна модель не демонстрировала какой-либо значимости данного фактора при создании фундаментальной стоимости УК. Данная гипотеза не принимается в рамках данного исследования. Это может объясняться тем фактом, что куда важнее менеджмент УК, ее опыт работы на рынке и доходность активов, в которые она вкладывает, нежели размер управляющей компании.

Гипотеза 5: Тип фонда прямых инвестиций (венчурный фонд или иное) влияет на генерирование стоимости фонда.

Данная гипотеза не отвергается на 5% уровне значимости оценок коэффициентов во всех спецификациях модели. Более того, как и ожидалось, венчурный тип фонда является фактором, положительно влияющим на прирост фундаментальной стоимости УК. Верность данной гипотезы указывает на то, что существует устойчивая тенденция разности в доходностях между типами фондов. Анализ зарубежной практики показал, что, по статистике, фонды выкупа являются более доходными, нежели венчурные фонды. Однако авторы данной работы предположили, что в условиях развивающегося российского рынка, венчурные фонды показывают наиболее высокие показатели доходности.

Гипотеза 6: Возраст управляющей компании положительно влияет на эффективность работы фонда.

Как и ожидалось, прирост фундаментальной стоимости УК положительно зависит от возраста УК. Данная гипотеза не отвергается на 5% уровне значимости оценки коэффициента. Верность данной гипотезы указывает на то, что возраст, а, следовательно, и опыт управляющей компании положительно влияет на доходность проивзодимых инвестиций. Это связано с обширным опытом менеджмента компании и с вероятным возникновением «больших» связей менеджеров, разработанных ранее схем успешной реализации инвестиционных проектов. Более того, данный факт актуален на российском рынке капитала, где многие сделки слияния и поглощения реализуются путем получения инсайдерской информации, доступ к которой, как правило, есть у «старичков» рынка.

Гипотеза 7. Узкая специализация фонда отрицательно влияет на его фундаментальную стоимость.

Как и предпологалось авторами, наличие узкой специализации фонда (это касается в первую очередь ограничений в отраслях инвестирования) приводит к разрушению фундаментальной стоимости УК. Многие исследовательские работы указывают на то, что диверсифицированные фонды получают более высокие ставки доходности на рынке, нежели узко специализированные, так как поле их деятельности и проекты инвестирования намного более обширны.

Гипотеза 8. Динамика российского фондового рынка оказывает влияние на эффективность ФПИ.

Данная гипотеза не принимается авторами ни в одной из спецификаций модели. В условиях рассматриваемой выборки, эффективность сделок M&A, осуществляемых фондами прямых инвестиций, не зависит от эффективности российского фондового рынка, выраженного в приросте индекса ММВБ. Это может быть связано с тем, что ФПИ, по сравнению с другими участниками рынка M&A, являются более устойчивыми к динамике российского рынка, так как производят свои вложения в проекты с ограниченным временным сроко, с определенными ставками доходности, а также с ограниченными размерами инвестирования, что в совокупности приводит к стабильной ставки доходности, не зависящей от динамики рынка.



Заключение

Целью данной работы являлась оценка факторов стоимости в сделках слияния и поглощения, осуществляемых фондами прямых инвестиций. На сегодняшний день среди российских авторов существует не так много научных работ, посвященных теме формирования стоимости ФПИ, в связи с чем методология исследования формировалась путем анализа большого объема инностранных источников, а также ряда российских авторов.

Авторами был выбран метод остаточной прибыли (RIV) как наиболее приемлемый для достижения поставленной цели. В процессе исследования были выявлены три группы детерминантов фундаментальной стоимости ФПИ, используемых в эконометрическом анализе: факторы, определяющие инвестиционную стратегию фонда, характеристики управляющей компании, а также внешние макроэкономические факторы.

В исследуемую выборку вошли 202 сделки M&A на российском рынке капитала, завершенных в период с 2008 по 2015 года.

В результате качественного и количественного анализа выборки было выявлено, что 64% сделок привели к росту фундаментальной стоимости управляющих компаний. Из это числа 78% составили российские компании, что является подтверждением Гипотезы 1.

Используя велечины, рассчитанные по модели RIV, для оценки факторов, создающих или разрушающих фундаментальную стоимость УК, был проведен эконометрический анализ. В качестве основы регрессионного анализа использовалась модель МНК и модель бинарного выбора.

В результате регрессионного анализа были выявлены факторы, оказывающие влияние на прирост фундаментальной стоимости УК.

Участие в сделке M&A отечественных игроков рынка приводит к положительному приросту фундаментальной стоимости УК. Это может объясняться проблемой информационной асимметрии и высокой концентрацией инсайдерской информации на российском рынке сделок M&A, так как российские участники рынка могут владеть закрытой информацией (по причине личных знакомств, финансового вознаграждения и ряда других причин), которыми не обладают их зарубежные коллеги.

В результате анализа, только две фиктивные переменные, отражающие принадлежность к какой-либо отрасли оказались статистически значимыми - IT сфера и телекоммуникации, а также химическая отрасль и биотехнологии. Это обуславливается возрастающим в последние несколько лет спросе и предложении продуктов IT сферы, интернета, программных разработок. Отраль химической промышленности и биотехнологий является относительно редкой в плане инвестирования в рамках данного исследования. Этим может объясняться ее значимое влияние на прирост фундаментальной стоимости УК.

Размер поглащающей компании не влияет на прирост фундаментальной стоимости. Это может объясняться тем фактом, что наиболее важными факторами является менеджмент УК, ее опыт работы на рынке и доходность активов, в которые она вкладывает, нежели размер управляющей компании.

Венчурный тип фонда является фактором, положительно влияющим на прирост фундаментальной стоимости УК. Верность данной гипотезы указывает на то, что существует устойчивая тенденция разности в доходностях между типами фондов. В условиях развивающегося российского рынка, венчурные фонды показывают наиболее высокие показатели доходности.

Создание фундаментальной стоимости УК зависит от возраста УК. Верность данной гипотезы указывает на то, что возраст, а, следовательно, и опыт управляющей компании положительно влияет на доходность проивзодимых инвестиций. Это связано с обширным опытом менеджмента компании и с вероятным возникновением «больших» связей менеджеров, разработанных ранее схем успешной реализации инвестиционных проектов. Узкая специализация фонда отрицательно влияет на его фундаментальную стоимость. Наличие узкой специализации фонда приводит к разрушению фундаментальной стоимости УК. Многие исследовательские работы указывают на то, что диверсифицированные фонды получают более высокие ставки доходности на рынке, нежели узко специализированные.

Динамика российского фондового рынка, выраженная в приросте индекса ММВБ, не оказывает влияние на эффективность ФПИ. Это может быть связано с тем, что ФПИ, по сравнению с другими участниками рынка M&A, являются более устойчивыми к динамике российского рынка, так как производят свои вложения в проекты с ограниченным временным сроком, с определенными ставками доходности, а также с ограниченными размерами инвестирования, что в совокупности приводит к стабильной ставки доходности, не зависящей от динамики рынка.

Результаты исследования являются значимыми для менеджмента управляющих компаний на российском рынке капитала, а также несут теоритическую значимость, так как среди исследовательских работ российских авторов оказано не так много внимания оценке факторов стоимости в сделках M&A, создающих или разрушающих фундаментальную стоимость управляющей компании.

В рамках перспектив дальнейшего исследования можно выделить несколько направлений: увеличить выборку зарубежными учатниками рынка ФПИ России, включить другие типы инветиционных фондов, таких как паевые, хедж-фонды, включить больше факторов стоимости в группе финансовых показателей УК, а также в целях сравнения и возможных последующих рекомендаций российским менеджерам добавить еще один или несколько рынков капитала.



Список литературы

Научные публикации

1) Боков В.А. Оценка требуемой отдачи на акционерный капитал // Управление в кредитной организации. 2011г. №1. 112 с.

2) Битюцких В.Т. Мифы финансового анализа и управление стоимостью компании. М.: Олимп-Бизнес, 2007. 224 с.

3) Волков Д.Л. Показатели результатов деятельности организации в рамках VBM // Российский журнал менеджмента. - 2005. - №Том 3, № 2. - С. 3-42.

4) Грязновой А.Г. , М.А. Федотовой Оценка бизнеса: Учебник - 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2005. - 736 с.: ил. - ISBN 5-279-02586-0

5) Кеннет Феррис, Барбара Пешеро Пети Оценка стоимости компании. Как избежать ошибок при приобретении. - М.: Вильямс, 2005. - 256 с.

6) Самуэльсон, П.А. Экономика. / П.А. Самуэльсон, В.Д. Нордхаус. - М.: БИНОМ, 1997. - 740 с.

7) Скотт М. Факторы стоимости. Руководство для менеджеров по выявлению рычагов создания стоимости. М.: Олимп-Бизнес, 2005. 432 с.

8) Теплова Т.В. Инвестиционные рычаги максимизации стоимости компании. Практика российских предприятий. М.: Вершина, 2007. 272 с.

Периодические издания

9) Агамирзян, И.Р. Две грани венчурного бизнеса: инвестиционное товарищество и хозяйственное партнерство / И.Р. Агамирзян. - Режим доступа: http://theangelinvestor.ru/article/index.php?ELEMENT_ID=15223 (дата обращения: 26.07.2014).

10) Богдашин А.А. Привлечение инвестиций от фондов прямых инвестиций: ожидания инвестора, как готовить компанию // UNITED CAPITAL PARTNERS. - Июль 2015.

11) Боженова Г.Б. Финансирование с использованием прямых инвестиций //Инновационная наука. 2015. №9. URL: http://cyberleninka.ru/article/n/finansirovanie-s-ispolzovaniem-pryamyh-investitsiy (дата обращения: 10.01.2017).

12) Бухвалов А.В., Акулаева Е.А. Эмпирическая фундаментальная оценка российских компаний: в поисках стратегической ценности // Российский журнал менеджмента. 2014. № 2, т. 12. С. 3-12.

13) Галасюк, В.В. Метод NPV: фундаментальные недостатки. / В.В. Галасюк., В.В. Галасюк, А.В. Вишневская. // Финансовый Директор. - 2005. - №2(30). - 21с.

14) Герасименко А., «Финансовый менеджмент - это просто!», Москва-Казань, 2010. - 123с.

15) Запорожский А.И. Управление стоимостью компании и стратегический анализ на основе модели Modified Cash Value Added (MCVA) // Корпоративные финансы, 2007. ¦ 1. С. 78-110.

16) Изместьева Е.А. Методика оценки эффективности инвестиционно-финансовой деятельности Фонда прямых инвестиций // Российское предпринимательство. -- 2013. -- № 19 (241). -- c. 75-81. -- http://old.creativeconomy.ru/articles/29844/

17) Казаков В.В. Организационно-финансовый механизм формирования и реализации инновационной политики экономических систем // Вестник Томского государственного университета. 2012. № 363. С. 157-164.

18) Кокорев Д. Рынок Private equity в России.// Корпоративные финансы. 2009. № 3 (11). С. 102-104.

19) Краевский И.С. Развитие венчурной индустрии в России // Экономика, предпринимательство и право. 2011. №3. URL: http://cyberleninka.ru/article/n/razvitie-venchurnoy-industrii-v-rossii-2 (дата обращения: 10.01.2017).

20) Красин Ю. (2013) Private Equity в России. // Рынок ценных бумаг. Прямые и венчурные инвестиции, 4. 86-90.

21) Лиман Ирина Александровна, Журавкова Ирина Васильевна Развитие и проблемы финансирования венчурного бизнеса в современной экономике России // Вестник Тюменского государственного университета. Социально-экономические и правовые исследования. 2012. №11. URL: http://cyberleninka.ru/article/n/razvitie-i-problemy-finansirovaniya-venchurnogo-biznesa-v-sovremennoy-ekonomike-rossii (дата обращения: 10.01.2017).

22) Лузина Д. С., Рогова Е. М. Оценка влияния сделок слияний и поглощений на фундаментальную стоимость компаний в странах BRICS // Корпоративные финансы. 2015. Т. 35. № 3. 50 С.

23) Макеева Е.Ю., Горбатков С.А., Белолипцев И. (2013) Выбор системы экономических показателей для диагностики и прогнозирования банкротств на основе нейросетевого байесовского подхода. // Вестник Финансового университета, 4, 76, 50-62.

24) Макаренков Ф., Дэмшин В. Концепция управления стоимостью предприятия // Управление компанией. 2001. №4. С.19 - 23.

25) Нечаев А.С., Старков Р.Ф. Некоторые аспекты инвестирования в организацию производственных процессов в современных экономических условиях // Вестник Иркутского государственного технического университета. 2013. № 11 (82). С. 365-371.

26) Партин Илья Маркович Зависимость оценки стоимости компании в сделке m&a от типа компании-покупателя // Корпоративные финансы. 2012. №2 (22). URL: http://cyberleninka.ru/article/n/zavisimost-otsenki-stoimosti-kompanii-v-sdelke-m-a-ot-tipa-kompanii-pokupatelya (дата обращения: 10.01.2017).

27) Пархоменко А.В. Исследование доходности фондов прямых инвестиций (на примере развитых рынков капитала) // Корпоративные финансы. - 2008. - №4(8). - С. 3.

28) Соколов, А. Фонды прямых инвестиций / А. Соколов. - Режим доступа: http://www.directorinfo.ru/Article.aspx?id=13230&iid=535 (дата обращения: 01.03.2017г.)

29) Степанов Д. Value-Based Management и показатели стоимости [Электронный ресурс]. - Режим доступа: http://www.cfin.ru/management/finance/value-based_management.shtml

30) Щербакова О.Н. Методы оценки и управления стоимостью компании, основанные на экономической добавленной стоимости // Финансовый менеджмент. -- 2003. -- № 3. 1-22 с.

Инностранная литература

31) Achleitner, Ann?Kristin and Andres, Christian and Betzer, Andrй and Weir, Charlie, Economic Consequences of Private Equity Investments on the German Stock Market (January 30, 2009). Available at SSRN:http://ssrn.com/abstract=1086598 or http://dx.doi.org/10.2139/ssrn.1086598

32) Anvarirostami, Aliasghar (1999). Financial Management, Investment and Portfolio Analysis, Tehran, Tarahan Nashr, 2009.

33) Balaligheshmi, Ebrahim (2012), Thesis: Examining Relation Of Cash Flow Management With ROE Of The Companies Registered In Tehran Stock Exchange, Gheshm University.

34) Boone, Audra L. and Mulherin, J. Harold, Who Monitors the Monitor? The Use of Special Committees by Target Firms in Corporate Takeovers (January 1, 2014). AFA 2009 San Francisco Meetings Paper. Available at SSRN:http://ssrn.com/abstract=1104224 or http://dx.doi.org/10.2139/ssrn.1104224

35) Catharine Campbell, Smarter ventures, financial times, (2008) 20-34.

36) Cem Demiroglu, Christopher M. James: Role of Private Equity Group Reputation in LBO Financing, SSRN.

37) Chen, P., Baierl, G., and Kaplan, P. (2002), Venture capital and its role in strategic asset allocation, Journal of Portfolio Management, 28(2) (2002) 83-90.

38) Chen, Guojun and Kang , Jun-Koo and Kim, Jin-Mo and Na, Hyun Seung, Sources of Value Gains in Minority Equity Investments by Private Equity Funds: Evidence from Block Share Acquisitions (September 19, 2012). Columbia Business School Research Paper No. 12/53. Available at SSRN: http://ssrn.com/abstract=2148866 orhttp://dx.doi.org/10.2139/ssrn.2148866

39) Damodaran, Aswath, (2002), ”Investment valuation Tools and Techniques for Determining the Value Any Asset ” WILEY FINANCE.

40) David Gladstone, Laura Gladstone, Venture Capital Investing, Financial Times, 2006, 240-253.

41) Diller, C., & Kaserer, Ch. (2004), European private equity funds: A cash flow based performance analysis, CEFS Working Paper Series 2004-01, Center for Entrepreneurial and Financial Studies (CEFS), Technische Universitдt Mьnchen.

42) Driessen, J., Lin, T.-C., and Phalippou, L. (2008), A new method to estimate risk and return of non-traded assets from cash flows: The case of private equity funds, NBER Working Paper Series.

43) Fingan. M. "Extension of the EVA and MVA applications", Financial Analysts Journal 1991; 1(1): 554-556.

44) Francis, J., P. Olsson, and D.R. Oswald. 1997. “Comparing the Accuracy and Explainability of Dividends, Free Cash Flow, and Abnormal Earnings Equity Valuation Models.” Working Paper, University of Chicago and Stockholm School of Economics.

45) Feltham, G.A., and Ohlson, J.A. (1995), "Valuation and clean surplus accounting for operating and financial activities", Contemporary Accounting Research, vol. 11, no. 2 (Spring 1995), pp. 689-731.

46) Gompers, P., Kovner, A., and Lerner, J. (2009), Specialization and success: Evidence from venture capital. Journal of Economics and Management Strategy, 18(3) (2009) 817-844.

47) Guest, P.M., Bild, M., and Runsten, M. (2010), “The effect of takeovers on the fundamental value of acquirers”, Accounting and Business Research, vol. 40, no. 4, pp. 333-352.

48) Hege, U., Schwienbacher, A., Palomino, F. (2009), Venture Capital Performance: The Disparity between Europe and the United States, Revue Finance, 30 (1) (2009) 7-50.