上市公司兼并与收购的财富效应＊李善民　陈玉罡(中山大学管理学院　510275) 内容提要:并购引起了收购公司和目标公司股价的变化,因而引起了收购公司和目标公司股东财富的变化。

本文采用事件研究法,对1999—2000年中国证券市场深、沪两市共349起并购事件进行了实证研究。

结果表明,并购能给收购公司的股东带来显著的财富增加,而对目标公司股东财富的影响不显著;不同类型的并购有不同的财富效应;国家股比重最大和法人股比重最大的收购公司其股东能获得显著的财富增加,而股权种类结构对目标公司股东财富的影响不显著。

关键词:上市公司　兼并与收购　财富效应＊　本文是国家自然科学基金项目(70172022)的阶段成果和广东省自然科学基金项目(001194)的最终成果。

一、兼并与收购的财富效应最近20年有大量研究北美和欧洲兼并与收购的成果问世。

由于美国和英国发生了大量的兼并与收购事件,所以大多数研究又都针对于美国和英国。

而公司并购理论中讨论最多、争论最激烈的问题之一就是公司并购的财富效应。

金融市场的财富效应(W ealth Effect )是指在金融市场上,金融资产持有人的财富随着资产价格的上涨或下跌而同步增加或减少,进而对消费产生刺激或抑制的影响。

金融市场的财富效应侧重于从宏观层面分析整个社会的财富是否与金融市场有关。

并购的财富效应指市场对并购的反应导致股票价值的变化,从而引起股东财富的变化。

并购的财富效应侧重于从微观层面研究并购对收购公司和目标公司股东财富的影响。

在并购中,究竟谁是最大的赢家?谁是最大的输家?目前还没有一致的结论。

以Jensen 和Ruback (1983)为代表的研究人员在80年代就开始研究公司接管与兼并对股东财富的影响。

他们的研究发现,在公告期间,对于成功的并购事件,采用兼并方式时目标公司股东享有20%的超额报酬,而收购公司股东则无法享有显著的超额报酬;采用接管方式时目标公司股东享有30%的超额报酬,而收购公司股东仅享有4%的超额报酬。

他们的研究结果引起了经济学家对财富效应的关注与争论。

另一个颇受关注的问题是哪些因素影响着财富效应。

国外学者的研究主要集中在并购类型、行业、收购方式、并购成功性和并购相关性等方面。

Mulherin 和Boone (2000)研究了1990—1999年59个行业中1305家公司的收购和剥离活动,发现收购和剥离有显著的行业集中性,并且财富效应与重组的相对规模直接相关。

Shelton (2000)用目标公司股份的供求模型来分析和探讨收购公司和目标公司的收益问题,并对影响目标公司股份供求关系的因素进行了综合分析。

他认为,目标公司股份的需求和供给是决定收购公司和目标公司收益的关键因素;而在影响供求的诸多因素中,战略相容性、兼并周期、机构投资者、相对规模、管制和收购方式会对收购公司和目标公司股东的收益产生明显的影响。

2002年第11期李善民、陈玉罡:上市公司兼并与收购的财富效应以上的结论大多是以美国或英国的数据进行实证研究得出的成果,国内对上市公司兼并与收购的财富效应的实证研究则刚刚起步。

国内现有的研究成果基本上都是定性的分析,只有少数学者采用定量的方法来研究有关并购的问题。

陈信元和张田余(1999)以1997年上海证券交易所挂牌的有重组活动的全部公司为样本,分析了重组对公司价值的影响,发现股权转让、资产剥离和资产置换类公司的股价在公告前呈上升趋势,随后逐渐下降;而市场对兼并收购类的公司重组则没有明显的反应。

高见和陈歆玮(2000)研究了1997—1998年深沪两市发生资产重组的上市公司后发现,资产重组在公告前被视为利好消息,公告后则迅速大幅消化。

平均而言,在公告前或公告后的较长时期里,目标公司比非目标公司的超额报酬率略高,但统计上并不存在显著的差异。

洪锡熙和沈艺峰(2001)研究了三个公司多次收购同一个上市公司(申华股份)普通股的案例,发现并购并不能给目标公司带来显著的超额报酬。

目前,国内对并购的研究远没有国外丰富,对影响并购财富效应的因素的讨论则更少。

本文拟运用国外的实证方法和研究框架来探讨并购的财富效应,并进一步分析影响我国上市公司并购财富效应的因素。

二、样本选取与方法设计1.数据来源与样本选取本研究所用的数据主要来源于:《中国证券报》1999年10月15日—2000年1月25日连续公布的《1999年上市公司重组事项总览》,共有10个系列;《中国证券报》2000年4月14日—2000年12月29日相继公布的《一季度重组事项总览》、《二季度重组事项总览》、《三季度重组事项总览》和《四季度重组事项总览》;香港理工大学中国会计与金融研究中心和深圳市国泰安信息技术有限公司联合研制的《中国股票市场研究(CSMAR)数据库(2000版)———市场交易数据库》。

笔者选取了《中国证券报》公布的1999年和2000年有重组活动的所有公司,按照其公告的内容进行分类,满足以下标准的予以保留,否则予以删除。

(1)《中国证券报》公布的《重组事项总览》中分别属于兼并收购类、股权转让类和资产剥离类的公司①。

股权出售类和资产置换类以及其他重组不包括在本文的研究范围内。

(2)如果先后有董事会公告和股东大会公告,则以同类事件的第一次公告日为准。

因为第二次公告含有的信息量不如第一次,所以选取第一次公告日作为信息披露日。

(3)并购公告日(记为0)前20个交易日和后40个交易日内,没有其他可能影响股价变动的重大事件(如分红、配股、送股、公布年报)发生。

因为笔者选取的观察窗口是[-10,30],所以为了减弱其他重大事件对股票价格的影响,这里将公告发生在窗口外±10天内以及发生在窗口内的样本剔除掉。

(4)并购公告日(记为0)前后120个交易日内,公司总股本未发生变化。

由于要选取公告日前第90天到公告日第10天的数据来估算每一个公司的β,这一标准是为了使公司的β值相对稳定,使CAP M模型算出的超常收益相对可靠。

(5)同一公司连续发生并购活动的,时间间隔必须大于2个月。

(6)一次公告中只有一种并购形式。

(7)公告发生在2000年11月15日以前。

由于CSMAR数据库(2000版)只有2000年12月31日以前的数据,为了能够计算公告日后30个交易日内的数据,所以公告日发生在2000年11月15①笔者将中国证券报上公布的发生兼并收购类重组的上市公司作为收购公司样本,将发生股权转让类重组和资产剥离类重组的上市公司作为目标公司样本。

由于资产置换有交叉现象,所以不列入所研究的样本中。

日以后的样本也予以删除。

于是得到收购公司样本196个,目标公司样本153个。

笔者对这些收购公司和目标公司进行了细分,其样本分布如表1所示。

表1收购公司和目标公司样本分布收购公司目标公司影响因素子类别样本数量样本百分比%子类别样本数量样本百分比%并购类型收购股权收购资产整体收购132461867.323.59.2股权转让资产剥离886557.542.5行业金融公用事业房地产综合工业商业17225131218.71.012.866.810.7金融公用事业房地产综合工业商业1643386230.73.92.621.656.215.0是否具有相关性是否1435373.027.0是否1035067.332.7股权变动后收购公司是否是第一大股东是否缺省①87456444.423.032.6是否缺省42466527.530.042.5是否有高层持股是否131836.693.4是否71464.695.4比重最大的股权种类国家股法人股A股流通股76962438.849.012.2国家股法人股A股流通股62613040.539.919.6 收购公司按并购类型划分为收购股权类公司、收购资产类公司和整体收购类公司。

收购股权包括收购另外一家公司持有的目标公司的股权或目标公司的母公司对其持有的股权。

收购资产包括收购经营性资产、生产线、在建工程、厂房、设备和其他实物性资产。

整体收购指收购一家母公司(或集团公司)下的子公司或分公司,接受子公司或分公司的全部职工。

承担债务式兼并和吸收合并没有纳入研究范围。

收购股权类公司最多,在收购公司样本中所占的比重是67.3%,其他两类各占23.5%和9.2%。

目标公司按并购类型分成股权转让类公司和资产剥离类公司。

股权转让指另一家公司将持有的目标公司的股份转让给收购公司。

资产剥离排除了所拥有股权的出售,与收购资产相对应,指的是经营性资产、生产线、在建工程、厂房、设备和其他实物性资产的剥离。

它们在目标公司样本中所占的比重分别为57.5%和42.5%。

收购公司在金融行业没有取得样本。

不论是收购公司还是目标公司,工业类占绝大多数,其次是综合类和商业类。

相关性并购的公司的样本数,不论是收购公司还是目标公司,都大于不相关并购的样本数。

从收购公司来看,收购股权后收购公司是第一大股东的样本占收购公司总样本的44.4%,而收购公司不是第一大股东的样本占23%;从目标公司来看,股权转让后收购公司是第一大股东的样本占目标公司总样本的27.5%,不是第一大股东的占30%,两者比例较接近。

在收购公司中,只有13个公司有高级管理人员持股的现象,而目标公司中只有7个公司存在2002年第11期①因为这一因素只对股权变动类并购才有意义,其他类并购不参与这一分组,所以有缺省值。

高级管理人员持股的现象。

收购公司和目标公司中,国家股或法人股占最大比重的样本都大大超过了A 股占最大比重的样本。

2.研究方法本文采用事件研究法,选取一定的时间窗口,研究并购公告前后一段时期内收购公司和目标公司的股东能否获得超常收益。

若股东从并购中能获得累积超常收益,则表明并购具有财富效应。

我们采用C APM 模型计算超常收益(Abnor mal Return ),即先利用公告日前第90天至公告日前第11天的日收益率以C APM 模型估算出349个公司的αi 、βi (i =1,2,…,349),然后代入公告日前第10天至公告日后第30天(即窗口[-10,30])的数据,根据公式 R it =αi +βi R mt 分别计算出[-10,30]这一窗口中每天的预期收益 R it ,再用每天的实际收益R it 减去计算出的预期收益得到每天的超常收益,即A R it =R it - R it (t =-10,-9, (30) 窗口[-10,30]中每天的平均超常收益(Average Abnormal Return )是A AR t =1n ∑ni =1AR it (t =-10,-9,…,30),其中n 为样本公司的数量。

最后根据下列公式计算窗口期各天的累积超常收益(Cumulative Abnormal Return ):CA R T =∑Tt =-10AA R t(T =-10,-9, (30) 接下来,检验CAR 与0是否有显著差异。