Где CAAR(D1,D2) - средний показатель CAR компании i, который рассчитывается по формуле:

SD - функция от дисперсии регрессионной модели, которая используется для нахождения коэффициента бета для каждой сделки. Данная функция имеет следующий вид:

Где S₁ - стандартное отклонение уравнения регрессии, с помощью которого был найден коэффициент бета для компании; k - количество дней в окне; М - количество дней, которые были взяты в качестве оценочного периода для построения регрессии при нахождении коэффициента бета; R_mt - доходность рыночного портфеля в t-тый день из окна событий.

Таким образом, обычный CAR нормируется на данную функцию, следовательно, данный подход является более правильным, однако, величина нормировочного коэффициента обычно достаточно мала.

В качестве статистики для определения значимости коэффициента используется Z-статистика. Она считается по следующей формуле:

Остальные показатели CAR рассчитываются по стандартным для них формулам, которые показаны в главе 1.

В качестве независимых переменных (детерминант) выступают такие показатели как институциональные различия между странами компаний, культурные различия между странами компаний, показатель того, относятся ли компании к одному сектору экономики, а также несколько контрольных переменных: стоимость сделки, метод платежа, показатель доходности активов, MTB Ratio, государственное участие в компании-покупателе, правовая форма компании-цели и переменная, отражающая то, получает компания-покупатель контроль или нет

В качестве показателя институциональных различий был взят показатель институционального климата в стране компании-цели, деленный на показатель институционального климата в стране компании-покупателя. Данные показатели, в свою очередь, включают в себя такие критерии как стабильность правительства, инвестиционный климат, уровень коррупции, уровень исполнения закона с точки зрения частной собственности и с точки зрения финансов, качество бюрократического аппарата и экономические условия.

Условно этот показатель можно разделить на четыре измерения:

1. Закон

2. Вмешательство правительства

3. Эффективность регулирования

4. Открытые рынки

Измерение «законности» в стране основывается на двух пунктах: права частной собственности и свобода от коррупции. Так, например, чем выше показатель права частной собственности, тем выше индекс, и, следовательно, он положительно влияет на эффективность сделки, поскольку инвесторы уверены, что в ближайшем и долгосрочном будущем правительство страны-цели не проведен национализацию, или не отнимет каким-либо другим способом собственность, купленную на территории данной страны. Показатель свободы от коррупции имеет такое же влияние: коррупция порождает дополнительные издержки для компаний, как прямые, такие как откаты, так и косвенные, которые появляются из-за того, что коррумпированные чиновники могут задерживать ратификацию некоторых решений компании за чем обычно следуют большие убытки.

Измерение правительственного вмешательства в экономику страны состоит из двух факторов: уровень налогов и правительственные расходы. Чем выше налоги, тем меньше индекс. Это логично, поскольку обычно высокое налогообложение душит бизнес и делает его менее эффективным. В качестве налогов рассматриваются, как прямые, так и косвенные налоги. Уровень государственных расходов также имеет отрицательную зависимость с индексом: чем больше государственные закупки, тем ниже индекс. Данный факт объясняется тем, что, когда в государстве слишком большие закупки правительства, это в долгосрочной перспективе приводит к хроническому дефициту бюджета и накоплению государственного долга и в перспективе снижает устойчивость экономики страны.

Эффективность регулирования также является одним из компонентов индекса. Данное измерение показывает то, насколько свободно в стране можно вести бизнеси насколько низки операционные риски. Так, данный показатель делится на три составляющих: свобода бизнеса, свобода труда и монетарная свобода. Свобода бизнеса показывает, насколько хорошо действует государственное регулирование в этой сфере. Так, например эта компонента состоит из таких пунктов как удобство в открытии бизнеса, время, которое затрачивается на открытие бизнеса, изначальные требуемые вложения, требования к минимальному капиталу, удобство, время и стоимость получения лицензий на ведение бизнеса, а также удобство, затрачиваемое время и стоимость ликвидации бизнеса. Соответственно, чем быстрее, проще и менее затратным является процесс ведения бизнеса в стране, тем выше индекс. Свобода труда иллюстрирует, насколько в стране жесткое трудовое законодательство: как регламентируется прием на работу и увольнение, насколько минимальная ставка оплаты труда является эффективной в соотношении с производительностью этого труда, насколько высоки социальные взносы. Чем эффективнее регулирование в данной области, тем выше значение индекса. Что касаемо монетарной свободы - она основана на двух пунктах: инфляция в стране и штрафы за контроль цен. Чем выше инфляция, тем сложнее и рискованнее вести бизнес в стране. В качестве измерителя в данном случае рассчитывается средняя ставка инфляции за последние три года. Штрафы за контроль цен означают, что если в стране цены являются регулируемыми, то это негативно скажется на монетарной свободе, удобстве ведения бизнеса, маржинальности и, соответственно на эффективности сделки по слиянию.

Открытость рынков в стране говорит о том, насколько дешево можно вести бизнес в стране. Данный показатель состоит из трех пунктов: свобода торговли, свобода инвестиций и финансовая свобода. Свобода торговли показывает, насколько высоки тарифные и нетарифные барьеры при ведении торговли в стране. Чем выше тарифы, тем больше расходов несет компания, следовательно, тем менее прибыльной она будет. Что касаемо нетарифных барьеров, то к ним относятся количественные ограничения - импортные квоты, ограничения на экспорт, запреты на экспорт каких-либо товаров, эмбарго и санкции, как самой страны, так и по отношению к стране; ограничения цен - антидемпинговые налоги, увеличение налогообложения при увеличении цены; регуляторные ограничения - лицензирование, протекционизм, санитарные стандарты, стандарты безопасности, ограничения рекламы и медиа; таможенные ограничения - требования в дополнительном депозите, процедуры растаможивания; а также прямое государственное вмешательство: субсидии национальным компаниям, политика иммиграции государственные монополии и предоставление государством эксклюзивных прав на определенные виды деятельности. Свобода инвестиций относится прежде всего к ограничениям на инвестиционные денежные потоки: ограничения на репатриацию прибылей, ограничения на инвестиции в определенные отрасли, ограничение на инвестиции в недвижимость - все это ведет к увеличению издержек, а также к невозможности получать определенные выгоды от осуществления деятельности на территории страны, что должно по факту привести к снижению индекса и снижению эффективности сделки. Под показателем финансовой свободы подразумевается государственное регулирование в банковской сфере. Так, например, если существуют ограничения на выдачу кредитов иностранным компаниям, либо распределение кредитования в стране в принципе требует утверждения государственными органами, это затрудняет ведение бизнеса, а также приводит к недополучению, либо получению не вовремя финансирования

Индекс институционального развития страны имеет значение от 0 до 100, при этом 0 считается самой плохой оценкой развития, в том время как 100 означает, что вести в стране бизнес довольно легко. Рассчитывается индекс как сумма взвешенных показателей, перечисленных выше, каждый из которых в свою очередь тоже измеряется в том же диапазоне

Чем выше данный показатель, тем привлекательнее страна с инвестиционной точки зрения, следовательно, чем выше отношение институционального развития в стране компании-цели, и ниже в стране компании-покупателя, тем более инвесторы будут уверены в завтрашнем дне. Таким образом, если компания из неразвитой, с этой точки зрения, страны инвестирует в компанию в развитой, теоретически, цена должна повышаться

Показатель культурных различий рассчитывается как корень из суммы квадратов нескольких измерений, деленных на стандартные отклонения данных измерений:

На данный момент в различных исследованиях рассматриваются шесть измерений. Первым из них является так называемая «дистанция власти» (Power Distance). Данное измерение показывает, насколько люди, не имеющие власти, принимают данный факт и насколько они готовы подчиняться тем, кто имеет власть. Этот показатель различается по всему миру, так, например, в более традиционалистских странах он выше, чем в других, поскольку в них сильно почитается иерархия, в то время как в либеральных странах данный показатель ниже. Для сравнения, показатель для Албании составляет 80 баллов из 100, при этом в США и Великобритании он принимает значения 40 баллов и 20 баллов соответственно. Вторым измерением, культурной дистанции между странами является стремление к индивидуализму. Данный показатель основан на степени независимости членов общества по отношению к обществу. Так, например, в странах, где преобладают социалистические взгляды (Китай), данный показатель является низким, в то время как в США он составляет 91. Таким образом, в индивидуалистических странах люди склонны делать то, что хотят они и то, что будет благом только для них и их ближайшего окружения, в то время как в коллективистских странах люди выше ставят интересы общества, но не свои собственные. Таким образом, различия между этим показателям в странах компаний покупателя и цели могут стать проблемой во взаимопонимании между локальным менеджментом. Следующим показателем является так называемая Masculinity. Если данный показатель является высоким, можно сказать, что в стране преобладает амбициозность, стремление быть лучше во всем, высокий уровень конкуренции. Четвертое измерение - уклонение от неопределенности. Данное измерение показывает, насколько положительно в стране относятся к тому факту, что будущее является неопределенным: насколько сильно люди пытаются контролировать свое будущее. Следующий показатель - ориентация на долгосрочные перспективы. Измерение показывает склонность граждан страны планировать долгосрочное будущее, а также менять свои предпочтения, модели поведения при изменяющихся обстоятельствах. Последний показатель отражает насколько высока степень стремления людей к контролю своих желаний и импульсивности. В странах с высоким показателем люди склонны к самоограничениям, в то время как в странах с более низким показателем люди руководствуются только общественными ограничениями. Теоретически, если культурные различия между странами, в которых находятся компании очень велики, сделка будет являться менее эффективной. Это связано с различными причинами, такими как возникновение агентских издержек, увеличение времени принятия решений.

Хотя в большей части работ используются четыре первых измерения культурной дистанции, в данной работе были использованы все шесть, поскольку последние два измерения также сильно могут повлиять на реакцию рынка на сделку по поглощению. Данные по странам были взяты из базы данных центра Хофстеда - человека, разработавшего данный показатель. Данные были взяты за 2015 год, однако с течением короткого времени данный индекс претерпевает совсем незначительные изменения, а, следовательно, данное изменение не окажет существенного влияния на результаты.

Еще один из исследуемых в данной работе показателей - принадлежность компании-покупателя и компании-цели к одному сектору экономики. Данный показатель является дамми-переменной и принимает значение 1, если компании принадлежат одному сектору, и 0, если относятся к разным секторам. Вывод о принадлежности компании к какому-либо сектору был сделан на основе выгрузки из базы Zephyr, а также на основе данных из базы Thompson Reuters Eikon. Далее вручную было подтянуто значение переменной. Так, например, если обе компании относились к пищевой промышленности, однако к различным отраслям, было сделано оценочное суждение о том, что они находятся в одном секторе. В данной работе подразумевается, что если компании относятся к одной отрасли, то это должно положительно повлиять на эффективность сделки

Помимо перечисленных выше переменных в модель были включены также несколько контрольных. Данные переменные исследовались на многих рынках и их влияние на эффективность на различных рынках установлено, поэтому они были взяты в модели лишь для улучшения их качества.

Первой из предложенных переменных является размер сделки. В качестве прокси-переменных для данного показателя были взяты объявленный размер непосредственно самой сделки: та сумма, которую платит компания-покупатель, а также относительный размер сделки - отношение стоимости компании-цели к стоимости компании-покупателя. Ожидаемый эффект для данного показателя является отрицательным. Это связано прежде всего с тем, что, чем больше компания-покупатель платит за поглощение, тем больше шанс, что она переплачивает. Кроме того, большие компании довольно сложно интегрировать в состав других, особенно, если сама компания-покупатель обладает небольшим размером, что может привести к некоторым осложнениям и не приносить эффекта от синергии в течение долгого времени, а поскольку согласно нашей предпосылке о том, что рынок является достаточно эффективным, то, соответственно, он принимает во внимание данный факт.

Вторая контрольная переменная - метод платежа. Как уже говорилось в первой главе - если компания-покупатель платит за покупку из денежных средств, это вызывает больше доверия со стороны рынка, чем, если она платит акциями, поскольку в таком случае компания-покупатель показывает, что она уверена в данной сделке настолько, что готова отдать денежные средства, а не разводнить акции. Данная переменная принимает значение 1, если покупатель расплачивался денежными средствами и 0, если покупатель расплачивался акциями, либо с помощью привлечения долга

Еще один показатель - доходность активов компании-покупателя до сделки. Как уже описывалось в главе 1, показатель является спорным. В данной работе ожидается, что, чем выше данный показатель был до совершения сделки, тем более эффективным будет слияние, поскольку рынок полагает, что компания с высоким уровнем рентабельности активов является эффективной, имеет хороший и компетентный менеджмент, что в дальнейшем положительно отразится на консолидированной компании. Переменная была выбрана именно в таком виде (рентабельность активов, а не собственного капитала), потому как в случае с рентабельностью активов, ее оценка может быть завышена из-за привлечения компанией-покупателем высокого уровня долга. Таким образом, показатель рентабельности всех активов более точно будет отражать эффективность компании. Для расчета этой детерминанты были взяты данные по каждой из фирм, попавших в выборку за последние три года перед сделкой. Средний показатель чистой прибыли компаний был разделен на средний показатель активов компании. Это обусловлено тем, что, если брать последний год, он может быть выбросом. Однако если взять данные показатели за слишком большой период времени - есть вероятность, что этот период попадет на время кризиса, а также не учтет положительных, либо отрицательных среднесрочных трендов операционных показателей компании.

Следующей детерминантой является доля государственного владения в компании-покупателе. Переменная является неоднозначной, и существуют несколько объяснений, которые могут объяснить как положительное, так и отрицательное влияние. Так, например отрицательное влияние объясняется тем, что государственные компании являются неэффективными. Государство не стремится оптимизировать процессы, таким образом в компаниях появляется слишком много бюрократических должностей, все решения принимаются очень долго, при этом есть большой шанс упустить выгоды. Положительное же влияние можно объяснить тем, что компании с государственным участием могут иметь определенные льготы и роялти. Данная переменная достаточно актуальна для развивающихся стран, поскольку политика протекционизма в данных странах способствует выживанию компаний, и если государство имеет в компании долю, то в случае различных кризисов компания может рассчитывать на помощь. Конечно, можно было бы использовать в этом случае другой критерий: имеет ли государство контрольный пакет, однако для тех данных, которые были собраны в целях данного исследования, данная концепция неприменима, поскольку существует очень малое количество компаний, попадающих под данный критерий. В данной работе мы ожидаем, что государственное участие в компании-покупателе увеличивает эффективность сделки. В качестве показателя взят процент участия в компании местного правительства

Также в качестве контрольной переменной была использована переменная публичности компании-цели. Поскольку о публичных компаниях больше доступной информации, компания-покупатель может более точно оценить реальную стоимость своей инвестиции. При этом рынок должен реагировать положительно. Данная переменная принимает значение 1, если компания-цель публичная, и 0, если компания является частной.

2.2 Выбор окна событий

После выбора зависимой и независимых переменных возникает вопрос о том, какие интервалы для SCAR брать для тестирования. В различных исследованиях данный вопрос рассматривается по разному. В частности, в большинстве случаев берутся интервалы, которые входят в ближайшие двадцать рабочих дней относительно анонса сделки. Основные тестируемые окна событий - (-1,1), (-3,3), (-5,5), (-10,10). Ниже представлена таблица, в которой показаны основные окна в разрезе исследований

Таблица 1. Описание окон событий в разрезе статей

Статья	Данные	Окно	Знак
Xin Deng et al., 2013	1992-2007, 1556 слияний в США	CAR [-1, +1] CAR [-2, +2] CAR [-5, +5]	+
Kay Dunn, Intintoli, McNutt, 2014	2004-2010 118 слияний коммерческих банков	CAR (-1,0) CAR (-1,+1) CAR (-2,+2) CAR (-3,+3)	+
Nnadi, Tanna, 2014	1997-2008 62 слияния банков ЕС	SCAR (-30; +30)	-
Bhagat, Malhotra, Zhu 2011	1991-2008 698 поглощений в странах БРИКС	CAR [-1, +1] CAR [-2, +2] CAR [-5, +5]	+
Chi, Sun, Young, 2011	1998-2003 1148 поглощений в Китае	CAR [-6, +6]* CAR [-3, +3]* CAR [-6, -1]*	+
Nicholson, Salaber 2013	2000-2010 203 Индийских, 63 Китайских сделок	CAR [-3, +1]	+

* - в месяцах

Для тестирования данных, представленных в данной работе были использованы окна в пределах десяти рабочих дней относительно анонса о сделке. Данное окно выбрано на основании того факта, что на самом деле все основные события происходят в первые пару дней до анонса (слухи) и в первые пару дней после анонса (расчеты).

Однако необходимо еще время для того, чтобы те расчеты, которые делаются в первые дни после анонса сделки аналитиками, стали более точными, поэтому интервал был расширен. В итоге, решающее влияние на решение о выборе окна событий оказывает статистическая значимость, поскольку, если накопленная аномальная доходность в интервале является незначимой, то в дальнейшем нет смысла анализировать влияние детерминант. Для построения моделей, показывающих влияние различных переменных на реакцию рынка при анонсе сделки по поглощениям использовался программный пакет EViews. В качестве метода оценки данного влияния применяется регрессионный анализ, а именно - метод наименьших квадратов. Данный метод является оптимальным, поскольку позволяет анализировать big data и в то же время является простым в применении. После построения моделей, были проверены все основные предпосылки МНК: несмещенность, состоятельность и эффективность оценок. Помимо данных тестов был проведен тест на робастность

2.3 Данные

В качестве данных в исследовании были выбраны рынки Юго-Восточной Азии, в частности - компании из блока ASEAN (Association of South-East Asia Nations). Данный выбор был обусловлен тем, что данные рынки являются малоисследованными, автор данной работы не нашел информации о применении к этим рынкам именно основных переменных, которые используются в работе, это создает еще дополнительную новизну в исследовании.

Таблица 2. Критерии выбора компаний

Критерий	Оставшиеся компании
Покупатель - ASEAN	40 036
Нефинансовые организации	37 436
Статус сделки: анонсирована/завершена	32 681
Компания-покупатель торгуется на бирже	12 434
Временной период - 2009-2015	7 299
Доля после покупки - более 30%	5 237
Не Сингапур	2 827
Транснациональные сделки	437



Однако необходимые данные для исследования остались по 350 сделкам по слияниям. Такого количества достаточно для того, чтобы достичь цели исследования в этой работе. Данные по сделкам были выгружены из базы данных Zephyr, являющейся ресурсом Bureau Van Dijk. Котировки акций для компаний-покупателей были выгружены с помощью ISIN номера из базы данных Thomson Reuters Eikon. Те данные, которые не удалось найти, были найдены вручную из открытых источников.

В качестве временного интервала для анализа взят период с 2010 по 2015 годы. Выбор обусловлен тем, что данные являются свежими. Кроме того, в расчет не взят кризис, поскольку сильные скачки стоимости акций, происходящие в то время именно из-за того, что акции падали в цене, а потом росли, практически невозможно элиминировать.

2.4 Гипотезы

Для анализа данных были поставлены несколько гипотез. Гипотезы основаны на проведенном анализе литературы, а также на основе логических выводов, сделанных в процессе сбора данных и поиска общей информации по сделкам M&A. Гипотезы выглядят следующим образом:

1. Н1: Покупка компании-цели, которая находится в стране с относительно более развитой институциональной средой создает стоимость объединенной компании

2. Н2: Покупка компании-цели, которая находится в стране с более близкой неформальной институциональной средой (культурной) создает стоимость объединенной компании

3. Н3: Приобретение компании-цели из более близкой отрасли создает стоимость объединенной компании

Уравнение регрессии для исследования выглядит следующим образом:



SCAR(d1,d2)=б+в1*Inst+в2*Informal+в3*SameIndustry+в4*SOE+в5*Size+в6*Control+ +в7*Payment+в8*ROA+ в9*Control+ в10*Legal_Form

Где,

Inst - институциональные различия;

Informal - культурная дистанция;

SameIndustry - dummy-переменная, 1, если из одного сектора, 0, если из разных;

SOE - процент государственного владения в компании-покупателе;

Size - размер сделки;

Control - получает ли покупатель контроль над целью;

Legal_form - dummy-переменная, 1, если компания цель публичная, 0, если обратное



Глава 3. Тестирование гипотез на рынках ASEAN и интерпретация полученных результатов

3.1 Описательные статистики

Прежде, чем приступить к описанию моделей, построенных для тестирования гипотез, необходимо определиться с интервалом окон событий. Рассмотрим график движения CAR за десять дней до и десять дней после анонса сделки:

Рис. 1. График SCAAR по данным из выборки в окне (-10;10)

Как видно из данного графика, за два-три дня до сделки средняя накопленная аномальная доходность проседает вниз, в то время как за день до сделки и далее в течение практически всего периода она является положительной. Этот факт говорит о том, что правильным было бы включать в модель короткий интервал с одной стороны и более длинный с другой. Однако для более точного выбора следует посмотреть на значимость SCAR на различных окнах. Ниже представлена таблица со значениями Z-статистик по различным окнам:



Таблица 3. Определение значимости окон событий

Интервал	Z-статистика	Probability
SCAR (-10;10)	0.47	0.64
SCAR(-5;5)	0.75	0.46
SCAR(-3;1)	0.34	0.74
SCAR(-3;3)	0.43	0.67
SCAR(-1;10)	3.08	0.00
SCAR(-1;5)	2.30	0.02
SCAR (-1;1)	1.92	0.06
SCAR(-1;3)	1.74	0.08

Из данной таблицы видно, что для тестирования следует использовать такие интервалы как (-1,1); (-1,3); (-1,5); (-1,10). Остальные интервалы незначимы, поэтому нет смысла строить на их основе модели. Из таблицы видно, что на данных интервалах T-статистика является положительной. Это говорит о том, что сумма средних SCAR является также положительной, что дает нам основание утверждать, что рынок реагирует положительно на анонс сделок по слияниям и поглощениям на рынках Юго-Восточной Азии.

Далее необходимо проанализировать описательные статистики всех показателей, которые используются в моделях для того, чтобы сделать предварительные выводы о характере зависимости, а также понять, какие значения в целом принимают показатели. Описательные статистики представлены в таблице ниже:

Таблица 4. Описательные статистики

	Mean	Median	Maximum	Minimum	Std. Dev.
Informal	44.38	41.83	74.32	8.00	22.24
Inst	1.12	1.14	1.63	0.65	0.21
LNValue	8.38	8.51	14.61	1.72	2.89
MTB	2.26	2.25	5.24	1.07	1.17
ROA	0.06	0.06	0.37	-0.20	0.12
Payment	0.58	1.00	1.00	0.00	0.49
Industry	0.60	1.00	1.00	0.00	0.49
SOE	0.60	0.00	80.05	0.00	5.74
Control	0.76	1.00	1.00	0.00	0.43
Legal	0.48	0.00	1.00	0.00	0.50
SCAR(-1,10)	0.02	0.00	0.71	-0.23	0.09
SCAR (-1,3)	0.01	0.00	0.44	-0.71	0.08
SCAR(-1,1)	0.01	0.00	0.48	-0.24	0.06
SCAR(-1,5)	0.01	0.00	0.58	-0.71	0.09

Согласно информации, представленной в таблице выше, среднее значение культурной дистанции между странами компании-покупателя и компании-цели составляет 44.28. При этом в выборке присутствуют как случаи очень большой дистанции (74 балла), так и случаи совсем близких между собой стран. Близкими в данном случае являются страны из сделок внутри самой ASEAN, например, между Малайзией и Филиппинами.

Различия в индексе развития институциональной среды в странах компании-покупателя и компании-цели также являются значимыми. В среднем данный индекс принимает значения больше единицы, что говорит о том, что покупатели из стран ASEAN предпочитают вкладываться в компании из стран с более развитой внутренней институциональной средой. Данный эффект связан с тем, что сами страны Юго-Восточной Азии являются еще только развивающимися в этом плане. Кроме того, в сделках очень часто встречаются такие развитые страны как США, Великобритания, Германия и Сингапур.

Следующий показатель - натуральный логарифм стоимости сделки. Для тестирования брались также модели, в которые входил относительный размер сделки, а также просто сумма сделки, однако ни одна из них не является значимой, хотя натуральный логарифм является наиболее приближенным к значимому значению. Этот показатель находится в пределах от 1.72 до 14.61, что говорит нам о том, что в выборке встречаются как крупные, так и мелкие сделки. Среднее и медианное значения почти равны и составляют около 8-9, то есть, порядка 5 млрд миллиардов долларов в денежном выражении.

В среднем рыночная стоимость компаний-покупателей до сделки превышала балансовую в два раза, что говорит о том, что рынок видит потенциал в данных компаниях. Значение колеблется в пределах от 1 до 5.

Средняя доходность активов по компаниям за последние три года до сделки положительна и составляет около 6%. Это немного, учитывая то, что рынки являются развивающимися. Однако среди них встречаются компании со средней доходностью активов, составляющей 37%, а также компании, доходность активов за последние три года была сильно отрицательной и составляла в среднем -20%. Возможно стоило бы убрать данные выбросы из выборки, однако автор данной работы посчитал, что в этом нет смысла, поскольку в самой выборке встречается довольно большое количество значений, приближенных как к одной, так и другой границе.

В большинстве сделок (58%) из выборки в качестве метода платежа выступают денежные средства. Остальные финансируются за счет выпуска акций, либо за счет долговых обязательств. Также в большинстве сделок (60%) компания-покупатель и компания-цель относятся к одному сектору экономики. В 76% случаев компания-покупатель получает контроль над компанией-целью. Распределение публичных и частных компаний в выборке примерно равнозначно

Что касаемо государственного участия в капитале компании-покупателя, то данный показатель в среднем оставляет 8%. Максимальная доля - 80%, однако лишь у 10% компаний вообще есть доля, принадлежащая местному правительству.

В качестве предпосылки в данной работе можно выделить то, что рынки являются достаточно эффективными и довольно быстро и полно отражают информацию о подробностях сделки, финансовом состоянии компаний, которые участвуют в сделке. Для дальнейшего анализа необходимо построить модель



3.2 Построение модели

Как уже обсуждалось во 2 главе, для анализа данных были построены несколько регрессионных моделей, основанных на методе МНК. Перед построением модели построим корреляционную матрицу, чтобы предварительно предположить, какое влияние будут оказывать различные переменные на накопленную аномальную доходность. Также корреляционная матрица поможет выявить одну из возможных проблем нарушения предпосылок МНК - мультиколлинеарность. Корреляционная матрица представлена в таблице Приложения 5

Из данных о корреляции видно, что отсутствует проблема мультиколлинеарности, а это значит, что мы можем использовать все переменные в модели. Кроме того, большинство переменных имеют такую же зависимость с эффективностью, как и предполагалось в теории. Однако многие значения корреляции находятся рядом с нулем, что означает, что они могут быть незначимыми в моделях, и мы не сможем с точностью сказать о характере зависимости

Модели различаются зависимой переменной. Таким образом в итоге получились 5 моделей, результаты которых представлены в таблице ниже:

Таблица 5. Свод результатов построенных моделей

	Коэффициенты
Переменная	SCAR(-1;1)	SCAR(-1;3)	SCAR(-1;5)	SCAR(-1;10)
Inst	0.013	0.038**	0.035	-0.002
Informal	-0.0003*	-0.0004**	-0.001	-0.001***
Industry	0.007	0.015*	0.014	0.024***
Control	0.007	0.019**	0.022	0.013
Size	1.93E-08	4.80E-09	1.20E-08	9.22E-09
MTB	0.006**	0.003	0.013	0.020***
Payment	-0.007	-0.004	0.007	-0.003
ROA	0.043	0.076**	0.037	0.049
SOE	0.0001**	0.0002	-0.0003	0.00018
Legal	0.017	0.021**	0.032	0.051***
R^2	7.6%	9.7%	17.9%	40.8%

Согласно таблице, институциональные различия имеют положительное влияние на оценку рынком сделки, что приводит к увеличению накопленной аномальной доходности на интервале в 3 дня, однако во всех остальных моделях коэффициент является статистически незначимым. Это может сказать о том, что данный результат получился случайно, однако никакие манипуляции с выборкой (удаление выбросов) не привели к улучшению ситуации. Однако модель является значимой, предпосылки МНК не нарушаются (была гетероскедастичность, однако для избавления от нее была проведена поправка Уайта, переменная стала менее значимой, однако на 90% доверительном интервале она такой осталась). Таким образом можно сделать вывод о том, что если компания-покупатель из стран ASEAN инвестирует в компанию, которая находится в более развитой с институциональной точки зрения стране, рынок положительно оценивает данный факт: стандартизированная накопленная аномальная доходность растет. Гипотеза о влиянии разницы в институциональном развитии стран подтверждается

Переменная культурной дистанции между странами, в которых находятся участники сделки является значимой на различных уровнях значимости в трех из четырех моделей. Как и предполагалось в теории, а также в других статьях, покупка компаний из более далеких с культурной точки зрения стран приводит к разрушению стоимости компании-покупателя, поскольку рынок может ожидать, что культурные различия приведут к большим потерям, чем синергия от поглощения. Это означает, что гипотеза об отрицательном влиянии показателя культурной дистанции подтверждается.

Что касаемо третьей гипотезы о том, что инвестирование в компанию из того же сектора приводит к созданию стоимости акций компании-покупателя, ситуация является неоднозначной. С одной стороны, в двух из четырех моделей гипотеза подтверждается и коэффициенты значимы. Однако в модели с окном событий (-1;10) присутствует автокорреляция остатков, поскольку критерий Дарбина-Уотсона не попадает в максимально допустимый диапазон (от 1.8 до 2.2), что обычно приводит к ухудшению качества МНК модели, и к завышению Т-статистик. Таким образом в данной модели статистическая значимость может быть неправильной. Возможно именно данная автокорреляция и приводит к завышению как Т-статистик переменных, так и объясняющей силы самой модели. В другой модели (-1;3), данный показатель значим лишь на 10% уровне значимости, что является очень сомнительным качеством. Таким образом гипотеза о том, что инвестиции в компании из той же, либо смежной отрасли подтверждается, но с оговоркой.

Из контрольных переменных в той или другой мере значимыми являются получение контроля компанией-покупателем, соотношение рыночной стоимости компании к балансовой, доходность активов, доля государства и публичность компании-цели. Степень влияния данных переменных на эффективность сделки по поглощению согласуется с тем, что было заявлено в главе 2: если покупатель получает контроль над целью, это увеличивает аномальную накопленную доходность, поскольку рынок может ожидать, что собственники поставят в руководство компании своих людей, что с точки зрения институциональной экономики снизит агентские издержки, а также сможет в том числе снизить эффект от культурной дистанции; если у компании высокая доходность активов до сделки, рынок может оценить, что компания хорошо управляется, следовательно и в больших масштабах компетентный менеджмент сможет создать дополнительные выгоды в том числе от синергии; доля государства согласно одной из моделей положительно влияет на аномальную доходность, однако данный эффект работает в данных условиях только на коротком периоде (-1;1), что также говорит о сомнительности качества данного результата, кроме того, данный эффект нивелируется уже на недельном интервале. Публичность компании-цели положительно влияет на аномальную доходность, поскольку рынок считает, что компания-покупатель на основе большего объема информации о публичных компаниях принимает решение более взвешено.

Далее необходимо проверить зависимость в разрезе стран. В данную выборку вошли сделки, компанией-покупателем в которых являются пять стран: Индонезия, Филиппины, Таиланд, Малайзия и Вьетнам. В данной разбивке были построены несколько моделей, однако их качество было сомнительным, поскольку в большинстве из них обнаружилась автокорреляция остатков, либо гетероскедастичность. Проблема гетероскедастичности была решена с помощью использования поправки Уайта. Что касаемо автокорреляции, модели с ней не брались а расчет. Также не была построена модель для Вьетнама, поскольку количество наблюдений по данной стране слишком мало. Результаты наиболее качественных моделей показаны в таблице ниже:

Таблица 6. Свод моделей в разрезе стран

	Коэффициенты
Переменная	Индонезия	Малайзия	Таиланд
Control	0.027	0.010
Size	5.08E-08	-1.04E-08	6.76E-08!
Informal	-0.002*	-0.001***	-0.002**
Inst	0.086	-0.025	-0.046
MTB	0.025	0.018***	0.025***
Payment	0.012	-0.003	-0.001
ROA	0.037	0.063	0.103
Industry	-0.010!	0.032***	0.026**
SOE	0.0044*	0.0003	-0.0012
Legal	0.076	0.060***	0.021

Из результатов данной таблицы можно сделать отдельно несколько выводов по различным странам. Для Индонезии характерно отрицательное влияние культурной дистанции на эффективность сделок, что согласуется с теорией, а также с результатами общей регрессии. Показатель публичности компании-цели также соотносится с теорией, а также с предыдущими исследованиями. Хотелось бы также отметить, что показатель государственной доли в компании-покупателе, хотя и является незначимым на 10% уровне значимости, его значимость находится очень близко к этому значению и скорее всего, при такой динамике на большей выборке он был бы значимым. Данный показатель принимает положительное значение, из чего следует, что чем больше государственное участие в компании-покупателе, тем выше эффективность сделки. Это связано прежде всего с тем, что в развивающихся странах государство имеет значительное влияние на бизнес в котором владеет: предоставляются различные льготы, включая налоговые, поскольку государство все-равно получит денежные средства со своей доли, а также различные роялти и исключительные права на определенные виды деятельности. Что касается Малайзии, помимо показателя культурной дистанции здесь в качестве значимого добавляется отношение рыночной стоимости к балансовой, и нахождение сливающихся компаний в одном секторе экономики. Это говорит о том, что рынок оценивает эффект синергии и эффект от масштаба более положительно, чем диверсификацию. Для Таиланда ситуация является такой же, однако стоит отметить, что для Сделок, в которых покупателем выступает Тайская компания, показатель доходности активов до поглощения у покупателя незначим, но близок к значимости на 10% уровне. Данный показатель имеет положительный знак, что говорит о том, что, если компания-покупатель была более эффективной до поглощения, то эта эффективность распространится также и на компанию-цель

Построенные для Филиппин модели получились плохого качества с точки зрения предпосылок МНК, поэтому интерпретировать данные модели нельзя. Это связано отчасти с тем, что для данной страны было выбрано всего 27 наблюдений.

Для сравнения результатов с прошлыми исследованиями различных авторов были проанализированы основные работы, которые относятся к данным переменным. Результаты и сравнение по ним представлено в таблице:

Таблица 7. Сравнение результатов с исследованиями

Переменная	Статьи	Влияние в статьях	Результат
SOE	Du and Boateng, (2014); Nicholson and Salaber, (2013); Zhou et al., (2012)	+	+?
Legal	Nicholson and Salaber, (2013)	+	+
Inst	Du and Boateng, (2014)	+	+
Informal	Du and Boateng, (2014)	+	-
Industry	Du and Boateng, (2014); Nicholson and Salaber, (2013); Zhou et al., (2012); Rao-Nocholson and Salaber, (2015)	+/-	+
Size	Grigorievva and Morkovin, (2014); Dakessian and Feldmann, (2013); Григорьева и Гринченко, (2013); Rao-Nocholson and Salaber, (2015); Григорьева и Троицкий, (2012); Narayan and Thenmozhi, (2014)	+/-	+?
MTB	Rahim and Ahmad, (2013); Zhou et al., (2012); Rao-Nocholson and Salaber, (2015)	+/-	+

Из вышеперечисленного можно сделать вывод, что связи между переменными и избыточной доходностью для разных стран выбранного региона являются схожими. Кроме того, для разных стран одинаковое и значимое влияние оказала переменная культурных различий между странами компании-покупателя и компании-продавца, что говорит о неслучайности результата. Что касаемо Филиппин - возможно для данной страны не хватило наблюдений, для того, чтобы построить качественную модель и проинтерпретировать ее показатели. Таким образом, в данной работе были подтверждены все три гипотезы, однако в двух из них присутствуют оговорки. Рынки требуют дальнейшего исследования. Также стоит обратить внимание на другие внешние переменные, которые также могут улучшить качество данных моделей.



Заключение

В данном исследовании был проведен анализ влияния таких показателей, как институциональные и культурные различия между странами, в которых находятся компания-покупатель и компания цель, а также принадлежность этих компаний одному сектору экономики.

Поставленная цель достигнута, все задачи выполнены. В ходе исследования были рассмотрены основные статьи, которые относятся как к измерению эффективности сделок M&A, так и к различным детерминантам данной эффективности

В первой главе был представлен обзор литературы. Для того, чтобы понять ради чего проводится исследование, был проведен обзор мотивов для совершения сделок по слияниям. Далее были рассмотрены основные работы, в которых представлены различные способы измерения эффективности. Детально был рассмотрен рыночный метод, а также метод операционных показателей, разобраны их достоинства и недостатки, а также предпосылки, которые приводятся при их использовании. Далее были описаны ключевые факторы, которые используются в базовых работах. Факторы были разделены на несколько категорий для более удобного восприятия. Многие из факторов оказались спорными, что дает исследователям мотив для дальнейшей работы. Кроме того, были разобраны работы, относящиеся как к развитым, так и к развивающимся рынкам, найдены неисследованные области.В частности было выяснено, что страны Юго-Восточной Азии довольно редко берутся в расчет в исследованиях, зато существует огромное количество работ, затрагивающих Китай, страны БРИКС.Это послужило мотивом к выбору географического сегмента исследования.

Были найдены показатели, которые не так часто применяются в исследованиях - культурные и институциональные различия между странами, в которых находятся компании. Также был сделан выбор контрольных переменных, призванных увеличить качество построенных моделей.

Во второй главе была показана методология исследования. В качестве меры эффективности был выбран показатель SCAR, который обладает некоторыми преимуществами по сравнению с обыкновенным CAR. Например данный показатель берет в расчет обычную волатильность компании-покупателя, таким образом аномальная доходность очищается от ненужного шума, свойственного акциям компаний. Были выбраны окна событий, в которых анализировалась избыточная доходность

Далее были выбраны данные для анализа, описаны критерии выбора данных и аргументирован их выбор. В качестве периода были выбраны послекризисные годы, поскольку они являются относительно новыми. Данные собирались с помощью базы данных Zephyr, а также с помощью базы данных Thomson Reuters Eikon. Из списка сделок были исключены те, в которых в качестве покупателя были Сингапурские компании. В итоге в исследовании рассматриваются 350 сделок с рынков ASEAN.

На основе полученных данных в главе 3 были показаны описательные статистики и проведена их интерпретация. Затем были построены уравнения регрессии на основе рассчитанных показателей SCAR и детерминант.

В результате были получены следующие результаты по поставленным гипотезам:

Гипотеза №1 подтверждена, однако с оговоркой: покупка компании-цели, которая находится в стране с относительно более развитой институциональной средой создает стоимость объединенной компании, однако, это подтвердилось в одной модели из четырех, следовательно, данный результат может быть случайным

Гипотеза №2 подтверждена: покупка компании-цели, которая находится в стране с более близкой неформальной институциональной средой (культурной) создает стоимость объединенной компании, поскольку страны с большой культурной дистанцией испытывают сложности во взаимодействии, и, следовательно, необходимы дополнительные издержки.

Гипотеза №3 была подтверждена в одной модели, однако данная модель является некачественной, поскольку в ней присутствует автокорреляция остатков, что приводит к завышению значимостей переменных. Таким образом, исходя из данного факта мы не можем подтвердить гипотезу.

Таким образом, данное исследование может быть использовано как с точки зрения бизнеса - для более подробного анализа компанией-покупателем, так и с точки зрения академических исследований. В дальнейшем можно включить в модель такой показатель, как язык, на котором говорят в стране, религии, и прочие культурные измерения. Стоит также отметить, что качество моделей в данной работе является невысоким, поэтому, для более точного выявления зависимостей следует добавить еще контрольных переменных



Список использованной литературы

1. Аглиарди Э., Лукьянова И., (2011). Финансовый рычаг, доходность и отраслевая специфика: эмпирическое исследование сделок слияний и поглощений, Корпоративные финансы №4(20), 2011, 54-76

2. Григорьева С., Троицкий П., (2012). Влияние слияний и поглощений на операционную эффективность компаний на развивающихся рынках капитала, Корпоративные финансы №3(23), 2012, 31-43

3. Григорьева С., Фоменко Н., (2012). Детерминанты метода платежа в сделках слияний и поглощений на развивающихся рынках капитала, Корпоративные финансы №4(24), 2012, 65-79

4. Григорьева, С.А., Гринченко, А.Ю., (2013). Влияние сделок слияний и поглощений в финансовом секторе на стоимость компаний-покупателей на развивающихся рынках капитала, Корпоративные финансы №4(28), 2013, 53-71

5. Akbulut, M.E., Matsusaka, J.G. (2003), 50+ years of diversification announcements, The Financial Review, 45 (2010) 231-262.

6. Aktas, N., Bollaert, H., Roll, R., 2014. CEO Narcissism and the Takeover Process: From Private Initiation to Deal Completion, Journal of Financial and Quantitative Analysis

7. Al Rahahleh, N., Wei, P.P., (2012). The performance of frequent acquirers: Evidence from emerging markets. Global Finance Journal 23, 16-33.

8. Asimakopoulos, I., Panayiotis, P. (2013), Revisiting the merger and acquisition performance of European banks, International Review of Financial Analysis, 29 (2013) 237-249.

9. Beitel, P., Schiereck, D., Wahrenburg, M. (2004), Explaining M&A-Success in European Banks, European Financial Management, 10(1) (2004) 109-140.

10. Berry, H. (2006). Leaders, laggards and the pursuit of foreign knowledge. Strategic Management Journal, 27, 151-168.

11. 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, 186-207.

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

13. Chan, C. M., Isobe, T., & Makino, S. (2008). Which country matters? Institutional development and foreign af?liate ?rm value. Strategic Management Journal, 29(11), 1179-1205.

14. Changqi, W., Ningling, X., (2010). Determinants of Cross-Border Merger & Acquisition Performance of Chinese Enterprises. Procedia - Social and Behavioral Sciences 2, 6896-6905.

15. Chatterjee, A., Hambrick, D., 2011. Executive Personality, Capability Cues, and Risk Taking: How Narcissistic CEOs React to Their Successes and Stumbles, Administrative Science Quarterly, 56, 202-237

16. Chi, J., Sun, Q., Young, M., (2011). Performance and characteristics of acquiring firms in the Chinese stock markets. Emerging Markets Review 12, 152-170.

17. Dakessian, L.C., Feldmann, P.R., (2013). Multilatinas and value creation from cross-border acquisitions:: an event study approach. BAR-Brazilian Administration Review 10, 462-489.

18. DeLong, G.L. (2001), Stockholder gains from focusing versus diversifying bank mergers, Journal of Financial Economics, 59 (2001) 221-252.

19. Deng, X., Kang, J., Low, B.S., (2013). Corporate social responsibility and stakeholder value maximization: Evidence from mergers. Journal of Financial Economics 110, 87-109.

20. Dolley, J.C. (1933), Characteristics and Procedure of Common Stock Split-Ups, Harvard Business Review, 11 (1933) 316-326.

21. Du, M., Boateng, A., (2015). State ownership, institutional effects and value creation in cross-border mergers and acquisitions by Chinese firms. International Business Review 24, 430-442.

22. Dunn, J.K., Intintoli, V.J., McNutt, J.J., (2015). An examination of non-government-assisted US commercial bank mergers during the financial crisis. Journal of Economics and Business 77, 16-41.

23. Franks, J., Harris, R., Titman, S. (1991), The postmerger share-price performance of acquiring firms, Journal of Financial Economics, 29 (1991) 81-96.

24. Fuller, K., Netter, J., & Stegemoller, M. (2002). What do returns to acquiring firms tell us? Evidence from firms that make many acquisitions. Journal of Finance, 57, 1763-1793

25. Gaur, A.S., Malhotra, S., Zhu, P., (2013). Acquisition announcements and stock market valuations of acquiring firms' rivals: A test of the growth probability hypothesis in China: Stock Market Valuations of Acquiring Firms' Rivals. Strategic Management Journal 34, 215-232.

26. Geringer, J. M., Beamish, P. W., & daCosta, R. C. (1989). Diversi?cation strategy and internationalization: Implications for MNE ?rm value. Strategic Management Journal, 10, 109-119.

27. Ghosh, A., 2001. Does operating performance really improve following corporate acquisitions? Journal of Corporate Finance 7, 151 - 178.

28. Goergen, M., Renneboog, L. (2004), Shareholder wealth effects of European domestic and cross-border takeover bids, European Financial Management, 10 (1) (2004) 9-45.

29. Gubbi, S., Aulakh, P., Ray, S.,Sarkar, M. B., &Chittoor, R. (2010). Do international acquisitions by emerging economy ?rms create shareholder value? The case of Indian ?rms. Journal of International Business Studies, 41, 397-418.

30. Hayward, M., Hambrick, D., 1997. Explaining the Premiums Paid for Large Acquisitions: Evidence of CEO Hubris, Administrative Science Quarterly, 42, 103-127

31. Healy, P., Palepu, K., Ruback, R., 1992. Does corporate performance improve after mergers? Journal of Financial Economics 31, 135 - 175

32. Herman, E., Lowenstein, L. (2008), The efficiency effects of hostile takeovers, in: Coffee J.C., Lowenstein Jr., L., and S. Rose-Ackerman (eds). Knights, Raiders and Targets. New York: Oxford University Press. Р. 211-240.

33. Heron, R., Lie, E., (2002). Operating Performance and the Method of Payment in Takeovers. The Journal of Financial and Quantitative Analysis 37, 137. doi:10.2307/3594998

34. Ho-Mou Wu (2009), Merge Activities and Stock Market Valuation in China, in Financial Sector Development in the Pacific Rim ed. by Takatoshi Ito and Andrew Rose, NBER and University of Chicago Press, 2009

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

36. Jensen, M., (1986), Agency Costs of Free Cash Flow, Corporate Finance and Takeovers, The American Economic Review, 76(2), 1986, 323-329

37. Loderer, C., Martin, K. (1990), Corporate acquisitions by listed firms: the experience of comprehensive sample, Financial management, 19 (1990) 17-33

38. Malmendier, U., Tate, G., 2008. Who Makes Acquisitions? CEO Overconfidence and the Market's Reaction, Journal of Financial Economics, 89, 20-43

39. Mann, B.J.S. and Kohli, R. (2009), Impact of Mode of Payment and Insider Ownership on Target and Acquirer's Announcement Returns in India, The Journal for Decision Makers, 4(34) (2009) 51-66

40. Martynova, M., Renneboog, L. (2008), A century of corporate takeovers: What have we learned and where do we stand?, Journal of Banking & Finance, 32 (2008) 2148-2177

41. Mat Rahim, N., Ching Pok, W., (2013). Shareholder wealth effects of M&As: the third wave from Malaysia. International Journal of Managerial Finance 9, 49-69.

42. Morkovin, R., Grigorieva, S., (2014). The Effect Of Cross-Border And Domestic Acquisitions On Shareholder Wealth: Evidence From Brics Acquirers. Корпоративные финансы.