协议收购中的控制权转移效应实证研究

从表4中我们可以看到，解释变量中只有BVA的中值与均值相差很大。而观察其最大值高达12000000万元。这个最大值是两市发生资产交易活动的唯一上市金融公司深发展银行的资产账面价值，由于其账面价值远远大于其他样本解释变量的价值，因此在后面的多元回归分析中，我们将充分考虑该溢出值对估计结果的影响。

表4 估计模型中被解释变量和解释变量的统计结果

变量名称 CAR1 CAR2 CAR3 SIGMA MTB IA DA BVA LEV

观测值

127 127 127 109 127 127 127 127 127

均值 -0.11 0.07 0.05 37.15 5.74 0.01 0.01 209145 44.65

中值 -0.14 0.01 0.02 34.98 4.64 0.01 0.00 76398 46.19

标准差 0.45 0.35 0.35 9.42 3.89 0.01 0.01 1065635 18.39

最小 -1.04 -0.76 -0.78 18.48 0.65 0.00 0.00 17874 7.01

最大 1.57 1.49 1.69 63.48 21.87 0.05 0.06 12000000

96.98

四、实证结果 （一）并购异常收益

表5给出了累积异常收益CAR的t统计检验结果。累积异常收益CAR1、CAR2和 CAR3分别是用均值调整收益法、市场调整收益法和市场模型发估计的结果。本文采用的是周期间收益。需要注意的是，由于很多涉及并购的股票会有停盘处理的情况，这就造成时间的不连续，我们考虑的是正常交易的各周。t检验结果显示CAR1在并购周前的（-30，-15）明显的不同，但是却是负的累积异常收益，这是一个奇怪的结果，这证实了我们的担心，即均值调整方法的估计结构可能与实际相差较大，可能影响累积异常收益的结论。但是CAR2和CAR3都表明并购周前的（-15，-5）存在明显的正的异常收益。这与按照日收益计算得到的结果基本是一致的（Moran和Betton，2004）。不过，我们注意到CAR1、CAR2和 CAR3在并购周的前后并没有出现累积异常收益。这是很有趣的发现。如果说要约收购可能导致市场出现强烈的需求而导致并购日前后目标公司的股价大幅上升，那么协议收购似乎对市场的反应并不明显。但是Moran和Betton

9

的研究却发现，并购前后的（-5，5）日内，目标公司存在非常明显的异常收益。那么这种情况，一个可能的解释就是，协议收购中收购公司为了降低收购的成本可能会操纵股票价格，从而导致并购周前后收益没有较大的变化。同时这可能意味着并购的公告也可能是一个超短时间的波动，而这种波动并不会影响目标公司的长期价值趋势。Schleifer和Vishny（2003）也曾经指出，从长期的角度看，并购只对短期内的收益分配有影响，而不会改变目标公司长期价值。这也是一个很有意思的推断，可以作为以后实证的一个研究对象。

表5 累积异常收益CAR 的t统计检验结果

窗口（周） (-48,-40)

(-40,-30) (-30,-15) (-15,-5) (-1,1)

CAR1 -1.10 -1.28 -2.71* -1.22 -0.86

CAR2

0.48 -0.19 1.77* 2.00* -0.15

CAR3

0.32 -0.23 1.01 2.02* 0.05

（二）控制权转移与平均异常收益

表6是控制权转移时间与平均异常收益之间关系的描述。事件窗口表示控制权的转移在该期间内完成。平均异常收益使用市场模型法估计的。当我们把控制权转移时间与平均异常收益联系起来时，我们发现平均异常收益随时间呈现导U行的变化。我们在之前的研究中还没有这样的发现。进一步观察，我们发现并购初次公告后的四周内平均异常收益为负的，而（5，12）以及（13，24）两个连续的事件窗口内，平均异常收益为正的，并随时间呈上升趋势，而当时间转移的时间继续增加，平均异常收益开始重新转为负值。这个变化说明，由于协议收购的信息不象要约收购那么公开透明，因此，市场对初次并购公告的反应可能会出现延迟。当初次公告出来之后，由于市场获得的信息量不足，因此市场需要时间来进一步确认并购事件，所以初次公告后的一段时间并没有出现异常收益。而随着市场对并购事件的确认，对股票需求的增加导致该股票的收益提高，因此出现了正的异常收益。但是在等待了一段时间以后，市场会发现更多的信息，由于控制权迟迟没有转移，那么就会导致市场对并购的信心发生动摇，所以市场开始卖出股票，股票价格下跌，从而导致收益的下降。

10

表6是控制权转移时间与平均异常收益之间关系的描述

事件窗口 (0,4) (5,12) (13,24) (25,48) (49,96) (96,186)

均值 -0.84 0.19 0.27 -0.39 -0.23 0.03

中值 -0.18 0.09 0.11 -0.40 -0.33 -0.02

标准差

2.64 1.40 1.28 0.49 0.48 0.25

最小 -7.41 -2.35 -1.24 -1.96 -0.80 -0.23

最大 3.05 3.38 4.60 0.57 1.34 0.46

观测值

14 28 24 33 21 5

（三）异常收益与多元影响因子分析

表7给出了根据三种方法估计的累积异常收益与多个解释变量的回归结果。截面估计采用的是广义最小二乘法（GLS），除去资产波动率SIGMA为108个观测值外，其余变量的观测值均为126个。这与我们最初确定的样本相差一个，因为我们在回归分析时，考虑了深发展（000001）资产规模过大的影响。我们首先对包含深发展的127个样本进行了估计，然后用排除深发展的127个样本进行了估计，比较两次估计的结果，我们发现深发展巨型资产的确对模型有非常大的影响。因此我们将其作为溢出值，排除在回归估计的样本之外。我们分别用三种方法计算出的累积异常收益作为被解释变量进行了回归。在前面累积异常收益的t检验结果中，我们发现CAR1的结果与另外两种存在较大差异，我们预期这个结果会影响最终的回归结果。另外，我们还对总支出占比EA分解成两个部分IA和DA，分别表示利息支出占比和红利支出占比。

接下来的表7中分别给出了三个回归的参数估计结果、统计量以及P-value，其中*、**、***分别表示10%、5%、1%的水平。同时我们还给出了估计模型的F统计量、R2、调整R2。

表7 累积异常收益与多个解释变量的回归结果

解释变量 CAR1

参数

SIGMA(+) MTB(－) IA(-) DA(-) LnBVA(-)

0.01 -0.004 0.81

CAR2

t统计量 P-value 参数

1.15 -0.33 0.22

CAR3

t统计量 P-value 参数

t统计量 P-value

0.01 0.60 0.08 0.35 0.01

0.25 0.01 2.59*** 0.74 0.01 0.03 -4.66 0.83 2.03

0.68 -1.32 0.70

0.01 0.01 2.63*** 0.50 0.01 0.19 -6.12 0.48 2.67

0.53 -1.75* 0.94

-9.96 -2.18** -0.04 -1.87*

0.07 -0.04 -2.32**

11

0.02 -0.05 -2.63***

LEV(-) R 调整R F统计量 P-value 样本容量

2

2

0.00 1.23 0.1304 0.0792 2.55 0.0243 126

0.22 0.002 0.71 0.1443 0.094 2.87 0.013 126

0.48 0.003 1.16 0.1459 0.0957 2.9 0.012 126

0.25

三个模型回归的结果基本一致，只有CAR1回归中SIGMA没有通过检验。这说明我们之前的担心可能是多余的。但是我们仍然不排除存在其他解释原因。因为一般来说，前面两种的异常收益估计会存在较大的偏差，而市场模型法的估计结果会相对好些。从回归结果的F统计量以及R2、调整R2值上看，采用市场模型法CAR3的回归效果要比前面两种好些。

CAR2和CAR3的回归结果显示资产波动率替代变量SIGMA都通过了检验，估计参数均为正值。这说明累积异常收益与资产的波动率之间的确存在正的相关相关，即目标公司资产的波动率越大，其股票价格在并购期间的波动幅度就越大，收购公司就可能获得更高的收益；而目标公司资产的波动率越小，则意味着其股票价格波动的幅度较小，那么收购公司可能无法获得异常收益。这为我们观察到的实际情况提供了一个相当合理的解释。不过波动率的参数仅为0.01，这意味着资产的波动对于累积异常收益的影响并不是很明显。不过要注意到，我们研究的是协议收购，而之前很多研究对象是要约收购。而协议收购与要约收购的明显差异可能导致两种收购在市场上出现不同的情况。为了进一步确定两者之间的区别，我们进一步考察了协议收购超额收益的核密度估计图，见图2。我们发现三种累积异常收益的在0值左右的分布几乎是对称的，这与Moran他们发现的累积异常收益明显左偏的结果不一样。考虑到两个研究采用的样本及市场不同，我们认为，资本市场的效率以及协议收购的信息不公开，可能导致信息无效，或者存在操纵股价贱卖国有股资产，从而导致目标公司的股票不象要约收购中的波动很大。

12