RefMag.ru - Оценка. Помощь в решении задач, тестов, практикумов, курсовых, аттеста­ционных

RefMag.ru - Помощь в решении в учебе

Заказать:
- заказать решение тестов и задач
- заказать помощь по курсовой
- заказать помощь по диплому
- заказать помощь по реферату

Репетитор оценщика

Готовые работы заочников

Тесты:

Задачи:

Примеры работ по оценке

Примеры курсовых работ
Примеры аттест­ационных работ
Учебные дисциплины
Литература
Заказ работ:




Экспертная и репетиторская помощь по решению тестов, задач, практикумов и всех других видов работ. Сергей.
тел. +7(903)795-74-78, +7(495)795-74-78, [email protected], ,
,

Примеры выполненных работ: | контрольные | курсовые | дипломные | отзывы |




Методические материалы:

Список литературы по оценке бизнеса > Формирование премии в сделках слияний и поглощений электроэнергетических компаний с учетом политических факторов

Формирование премии в сделках слияний и поглощений электроэнергетических компаний с учетом политических факторов

Стерхов А.В., Просвирина И.И. Формирование премии в сделках слияний и поглощений электроэнергетических компаний с учетом политических факторов // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. 2019. Т. 13. № 4. С. 80-87.

Скачать оригинал статьи

Фрагмент работы на тему "Формирование премии в сделках слияний и поглощений электроэнергетических компаний с учетом политических факторов"

Bulletin of the South Ural State University. Ser. Economics and Management. 2019, vol. 13, no. 4, pp. 80–87 80 Введение Тематика слияний и поглощений компаний в настоящее время активно развивается в академи- ческих исследованиях. В мире растет число и объ- ем сделок слияний и поглощений, что дает эмпи- рическую базу для исследований и обуславливает необходимость систематизации имеющихся зако- номерностей в научных исследованиях. В данной статье анализируются факторы, определяющие величину премии в сделках слияний и поглоще- ний. Выбор электроэнергетической отрасли обу- словлен тем фактом, что значительная часть сде- лок в данной отрасли происходит на территории РФ. Кроме того, электроэнергетика является одной из системообразующих отраслей любой экономи- ческой системы, от развития которой зависит ди- намика остальных отраслей как промышленности, так и сферы услуг. Цель исследования – построить модель оцен- ки относительной премии в сделках слияний и поглощений компаний энергетического сектора с использованием методологии сравнительного ме- тода оценки бизнеса. Эмпирическая база исследо- вания – данные о сделках слияниях и поглощениях из базы данных Zephyr. Эконометрические моде- ли, упоминаемые в данной статье, построены на основе анализа 6826 сделок, заключенных в пери- од с 26.02.1997 по 30.03.2019. Основная гипотеза исследования – параметры модели оценки относительной премии в сделках слияний и поглощений зависят от четырех групп факторов: операционная и финансовая деятель- ность компании, конъюнктура рынка, отраслевая принадлежность компании, характерные для стра- ны политические факторы. Новизна предлагаемого в исследовании под- хода состоит в следующем: 1. Предложена классификация факторов, влияющих на величину относительной премии в сделках слияний и поглощений. 2. Факторы влияния отраслевой структуры и масштаба производства тестируются на компани- ях, относящихся к электроэнергетике. 3. Проведен анализ как публичных, так и не- публичных компаний. 4. Премия в сделке определяется как разность между суммой, уплаченной в сделке, скорректиро- ванной на приобретенную долю компании, и мо- делируемой стоимостью компании в соответствии с размером активов. 5. В качестве объясняемой переменной (отно- сительной премии) используется частное от деле- УДК 336.64 DOI: 10.14529/em190408 ФОРМИРОВАНИЕ ПРЕМИИ В СДЕЛКАХ СЛИЯНИЙ И ПОГЛОЩЕНИЙ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ КОМПАНИЙ С УЧЕТОМ ПОЛИТИЧЕСКИХ ФАКТОРОВ А.В. Стерхов1, И.И. Просвирина2 1 Уральский федеральный университет им. Первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия 2 Южно-Уральский государственный университет, г. Челябинск, Россия Предметом исследования в данной статье выступает механизм формирования премии в сдел- ках слияний и поглощений, тема исследования – воздействие страновых и отраслевых факторов на премию. Цель статьи – построение модели оценки относительной премии в сделках слияний и по- глощений электроэнергетических компаний. Методология исследования основывается на сравни- тельном методе оценки бизнеса. Эмпирическая база исследования включает в себя данные о 6826 сделках слияний и поглощений, произошедших по всему миру за период с 1997 по 2019 годы. В базу исследования включены данные как о публичных, так и о непубличных компаниях, для кото- рых известна сумма, уплаченная в сделке, а также величина общих активов. В статье предложен авторский подход к группировке отраслей, основанный на равенстве коэффициентов премии в регрессии, и получены группы отраслей с равной величиной премии. Показано, что группировка отраслей, полученная путем работы математического алгоритма, почти полностью соответствует отраслевой структуре электроэнергетической отрасли. Также установлено, что политические фак- торы, формализованные с помощью индекса FSI (Fragile State Index) оказывают влияние на фор- мирование премии в сделках слияний и поглощений. Коэффициент детерминации итоговых эко- нометрических моделей достигает 15,6 %, что может быть оценено как высокое качество оценки при условии, что прогнозируется именно относительная премия в сделке, а не сумма, уплаченная в сделке, находящаяся в тесной корреляции с величиной активов компании. Практическая значи- мость исследования состоит в возможности прогнозирования стоимости бизнеса в сделках слия- ний и поглощений, а также установления суммы, уплаченной в сделке, в тех случаях, когда по- добная информация отсутствует в открытом доступе. Ключевые слова: корпоративные финансы, стоимость бизнеса, оценка бизнеса, сравнитель- ный метод, слияние, поглощение, приобретаемая компания, политические факторы, макроэконо- мические факторы, процентные ставки. Стерхов А.В., Просвирина И.И. Формирование премии в сделках слияний и поглощений электроэнергетических компаний с учетом политических факторов Вестник ЮУрГУ. Серия «Экономика и менеджмент». 2019. Т. 13, № 4. С. 80–87 81 ния премии в сделке на моделируемую стоимость компании, что позволило унифицировать компании, размер активов которых существенно отличается. 6. Влияние внешней экономической и полити- ческой среды учитывается с помощью индекса FSI. 7. Предложена методика группировки отрас- лей по критерию влиянию на ценовую премию. В научной литературе тема слияний и погло- щений относится к активно разрабатываемым в настоящее время, тем не менее, стоит отметить, что существует определенный пробел именно в анализе премии в сделках слияний и поглощений. Ниже приводится обзор некоторых работ, которые можно считать максимально близкими к пробле- матике данного исследования. В работе [1] рассматривается вопрос о зави- симости премии в сделке и продолжительности периода совершения сделки. В то же время мето- дология исследования [1] использует CAR, поэто- му мы хотели бы проверить результаты с исполь- зованием относительной премии. Отраслевые характеристики слияний и по- глощений российских компаний анализируются в работе [2]. Авторы использовали логику выделе- ния отдельных отраслей с использованием дамми- переменных. Методология исследования [3] существенно отличается от предположений данного исследова- ния: оценивается вероятность стать объектом или инициатором сделки слияния или поглощения. Кроме того, авторы рассматривают только транс- граничные слияния и поглощения. Результаты ис- следования [3] показывают, что уровень экономи- ческого развития страны и качество бухгалтерско- го учета влияют на поведение фирм при слияниях и поглощениях. В исследовании Бауэра [4] используются дан- ные о слияниях и поглощениях европейских ком- паний и показатели, характеризующие уровень культурной близости стран. Уровень политиче- ской близости стран как фактора слияний и по- глощений был использован в исследовании Бер- трана [2], в результате чего был сделан вывод о том, что политическая близость стран означает увеличение премии при слияниях и поглощениях. Важность анализа макроэкономических факто- ров также вытекает из исследований Boateng [5, 6] и Bonaime [7]. Авторы работы [6] приходят к выводу, что макроэкономические факторы являются суще- ственной переменной, определяющей поведение фирм при слияниях и поглощениях. В исследовании [7] подчеркивается, что политические факторы оп- ределяют интенсивность слияний и поглощений в конкретной стране: более высокий уровень полити- ческой нестабильности означает более низкую ин- тенсивность слияний и поглощений. Довольно близкие факторы описаны в иссле- довании Col [7]. Авторы обращают внимание на то, что политические риски, связанные с конфи- скацией имущества, являются важным фактором, определяющим реакцию на слияния и поглощения. Среди исследований, посвященных анализу электроэнергетических компаний, мы отмечаем работу Kishimoto [8], которая содержит анализ слияний и поглощений с позиции финансовых по- казателей компаний. Подводя итог анализу литературы, хотелось бы отметить, что на текущий момент не удалось найти исследований, содержащих анализ факторов, влияющих на формирование премии в сделках слияний и поглощений с позиции политических факторов. Большое число исследований, опублико- ванных в западных журналах за предыдущие 3 года, затрагивают влияние политических факторов на сделки слияний и поглощений, что доказывает ин- терес научного сообщества к данной проблематике. Теория Анализ базы данных показал, что во многих сделках приобреталась не компания полностью, а лишь ее часть. Для целей анализа была сгенериро- вана переменная стоимости компании (EV, enterprise value), представляющая собой сумму, уплаченную в сделке, скорректированную на долю компании, приобретенную в данной сделке: , (1) где Deal value – сумма, уплаченная в ходе сделки за долю в компании; Acquired stake – доля компа- нии, приобретенная в сделке (в процентах). Также в анализе использовалась расчетная моделируемая стоимость предприятия (deal modeled enterprise value), равная: – , (2) где Equity – собственный капитал; debtLR – долго- срочная задолженность; Debtsr – краткосрочная задолженность; Cash – денежные средства и их эквиваленты. Кроме того, была сгенерирована переменная величины премии в сделке, представляющая собой разницу между стоимостью предприятия, упла- ченную в сделке (в расчете на 100 % компании), и моделируемой стоимостью компании, опреде- ленной в соответствии с логикой затратного под- хода: . (3) Положительная разница (3) означает, что компания была приобретена за цену больше стои- мости ее активов (с премией к величине активов), отрицательная – за цену меньше стоимости ее ак- тивов (с дисконтом к величине активов). Для обеспечения возможности корректного анализа премии разных по размеру компаний была рассчитана относительная премия: (4) Относительная премия (4) показывает, какая премия в процентах к моделируемой стоимости была уплачена при приобретении компании. Дан- ная переменная была использована в качестве объ- ясняемой в регрессионных уравнениях, представ- ленных в данной работе. Экономика и финансы Bulletin of the South Ural State University. Ser. Economics and Management. 2019, vol. 13, no. 4, pp. 80–87 82 Нами выдвинута гипотеза, что факторы, опре- деляющие величину относительной премии в сделках слияний и поглощений для электроэнерге- тических компаний, могут быть сгруппированы следующим образом: 1) факторы, относящиеся к операционной и финансовой деятельности компании – объекта сделки; 2) политические факторы, характерные для страны, к которой принадлежит объект сделки; 3) отраслевая принадлежность компании – объекта сделки; 4) факторы, относящиеся к конъюнктуре дол- гового рынка. При анализе первой группы факторов (опера- ционная и финансовая деятельность компании) по критерию Стьюдента были отобраны следующие показатели: объем активов компании – объекта сделки, отношение EBIT к моделируемой стоимо- сти бизнеса, отношение выручки от продаж к мо- делируемой стоимости бизнеса. В качестве переменной, отражающей размер активов компании, была использована величина логарифма общих активов компании (переменная assets_l). Использование логарифма было предло- жено в работах [9–11] и позволяет сопоставлять компании, размеры активов которых отличаются существенно. В качестве показателя, отражающего финан- совую деятельность компании, предложено ис- пользовать отношение EBIT к моделируемой стоимости компании: . (5) Данный показатель был выбран по аналогии с показателем отношения EBITDA к объему продаж, использованному в работе Aaron [9]. В настоящей работе мы используем величину EBIT вместо EBITDA, так как данный показатель, на наш взгляд, лучше отражает величину денежных пото- ков, доступных инвестору. В качестве показателя, отражающего опера- ционную деятельность компании, использовано отношение выручки компании к ее моделируемой стоимости: (6) Данный показатель был предложен по анало- гии с показателем темпа роста продаж из работы [9]. Представляется, что включение в модель ис- пользования темпа роста продаж может быть ме- нее репрезентативным для электроэнергетических компаний, так как разные сегменты этого рынка характеризуются различными средними темпами роста продаж. Для построения эконометрических моделей данные были очищены от экстремальных выбро- сов. К предприятиям с экстремальными выбросами были отнесены те, у которых относительные от- клонения превышают 100 %. С целью формализации воздействия полити- ческих факторов было принято решение рассмат- ривать значение индекса политической стабильно- сти (Fragile State Index, FSI) [12]. Данный индекс показывает степень контроля государства над по- литической, экономической и социальной обста- новкой в стране, а также вероятность смены пра- вящей элиты. Индекс рассчитывается организаци- ей Fund for Peace, действующей с 1957 года, а так- же журналом Foreign Policy; расчет индекса FSI производится с 2005 года. Более стабильные госу- дарства имеют более низкое значение индекса FSI (fragility переводится как хрупкость (недолговеч- ность)). Более стабильное государство является менее хрупким. На наш взгляд, использование данного индекса имеет следующие преимущества: 1. Для построения индекса применяется кон- тентный анализ более ста тысяч документов на английском языке или имеющих перевод на анг- лийский язык, что позволяет свести к минимуму необъективность или сознательные искажения. 2. Наличие 12-ти компонент индекса позволя- ет рассматривать различные объекты политиче- ской нестабильности; накоплена достаточная ис- тория исходных данных (индекс рассчитывается с 2005 года). 3. Значения индекса за весь период доступа находятся в свободном доступе, а сам индекс при- водится в относительной шкале, что позволяет сопоставлять различные страны в рамках одного временного промежутка. Для целей проведения анализа были сформу- лированы гипотезы относительно влияния компо- нентов индекса FSI, систематизация которых при- ведена в табл. 1. Третья группа факторов (отраслевая принад- лежность) была формализована двумя способами: группировка на основе отраслевой классификации NAICS 2017, а также на основе авторской класси- фикации по критерию равенства отраслевой пре- мии. Четвертая группа факторов была формализо- вана на основе значения величины процентной ставки EURIBOR в момент, соответствующий мо- менту появления слуха о сделке. В качестве базовой была выбрана модель, включающая в себя группы факторов 1 и 4 как наиболее легко формализуемые (модель 1). Параметры уравнения модели 1 оценивались по методу наименьших квадратов с константой. Стандартные отклонения оценок параметров вы- числены с корректором на гетероскедастичность по методу White-Hinkley (HC1). Объясняемая пе- ременная в данном уравнении – относительная премия в сделке ( ). Стерхов А.В., Просвирина И.И. Формирование премии в сделках слияний и поглощений электроэнергетических компаний с учетом политических факторов Вестник ЮУрГУ. Серия «Экономика и менеджмент». 2019. Т. 13, № 4. С. 80–87 83 В качестве объясняющих переменных выбра- ны: величина логарифма общих активов присое- диняемой компании ( ), активы измеря- лись в млн долл.; отношение прибыли до вычета налогов и процентов к моделируемой стоимости бизнеса в качестве показателя при- быльности компании; отношение выручки к моде- лируемой стоимости бизнеса в качестве показателя эффективности операционной деятельности компании; величина поглощаемой доли компании в процентах; временной промежуток в днях от момента офици- ального объявления о сделке до момента ее завер- шения ; временной промежуток в днях от момента появления слуха о сделке до мо- мента ее завершения ; величина процентной ставки EURIBOR в момент появления слуха о сделке в качестве показателя конъюнктуры долгового рынка. Модель 1 включает факторы, которые связаны с производственной и финансовой деятельностью предприятия. Полученные оценки параметров представляют особый интерес, поскольку они мо- гут использоваться менеджментом предприятия для улучшения его финансовых показателей. Уве- личение стоимости предприятия косвенно влияет на другие его показатели, в частности, на стои- мость акций. Поэтому важно получить несмещен- ные оценки параметров в модели 1. Смещенные оценки могут возникнуть из-за влияния неучтен- ных факторов, которые коррелируют с перемен- ными построенной модели. Результат Результаты оценки регрессионного уравне- ния, соответствующего модели 1, приведены в табл. 2. По результатам оценки данного регрессион- ного уравнения, соответствующего модели 1, мы можем сделать следующие выводы: Величина логарифма активов присоединяемой компании имеет обратное влияние на величину премии. Более низкую ожидаемую премию для крупных компаний можно объяснить исходя из концепций несовершенства рынка капитала, а также фактором диверсификации. Рост отношений и ожидаемо приводит к росту премии в сделках. Отрицательное значение коэффициента при переменной может быть объясне- но более высокой ценностью для покупателя не- больших пакетов, которые позволяют получить контроль над компанией для собственников, не обладающих в текущий момент блокирующим или контрольным пакетом, а также соображениями, аналогичными высказанным выше для переменной логарифма активов. Отрицательный коэффициент при переменной и положительный коэффициент при переменной , с нашей точки зрения, могут быть объяснены фактором торга в сделке. Премия (выше) ниже в сделках, где промежуток Таблица 1 Основные гипотезы, связанные с воздействием компонентов индекса FSI на величину премии в сделках слияний и поглощений Переменная Влияние Пояснение C1: Security Apparatus – Чем выше угрозы безопасности, тем выше риски ведения бизнеса C2: Factionalized Elites + Чем выше сплоченность элит, тем выше уровень лоббирования C3: Group Grievance + Чем выше разобщенность элит, тем больше возможности извлече- ния монопольных выгод E1: Economic Decline and Poverty – В более бедных странах меньше спрос на капитал E2: Uneven Economic Development – Неравномерность экономического развития, как правило, означает сокращение спроса на продукцию базовых отраслей E3: Human Flight and Brain Drain – Отток квалифицированных трудовых ресурсов означает рост затрат на труд P1: State Legitimacy + Меньшие риски ведения бизнеса в странах с высоким уровнем безо- пасности P2: Public Services ? Базовые услуги увеличивают спрос на электроэнергию; базовые ус- луги могут создаваться за счет крупного бизнеса P3: Human Rights and Rule of Law – Соблюдение прав населения означает рост издержек бизнеса S1: Demographic Pressures ? Быстрый рост населения не обязательно означает рост спроса на энергоресурсы S2: Refugees and IDPs ? Рост конфликтов напрямую не связан с рассматриваемой отраслью S3: External Intervention – Рост вероятности внешнего вмешательства означает рост рисков ведения бизнеса Экономика и финансы Bulletin of the South Ural State University. Ser. Economics and Management. 2019, vol. 13, no. 4, pp. 80–87 84 времени между моментом слуха и моментом объ- явления о сделке короче, в таких сделках покупа- тели могут соглашаться на более высокую цену, предложенную продавцом. Умело распространяе- мые слухи в течение длительного времени о про- даже компании подогревают к ней интерес, спрос возрастает, что и приводит к увеличению премии. Премия ниже в сделках с более коротким проме- жутком времени между моментом официального объявления и завершением сделки, вероятно, по причине большего желания продавца завершить сделку и, соответственно, готовности идти на снижение цены. Положительный коэффициент при перемен- ной свидетельствует о высокой значимости конъюнктуры долгового рынка для финансирова- ния сделок слияний и поглощений. Увеличение цены заемного капитала делает меньшее число компаний привлекательными для покупки. При росте процентных ставок будут покупаться более финансово привлекательные компании, за которые будут уплачена большая по величине премия. Таблица 2 Базовые регрессионные модели Переменные Модель 1 Модель 2 Модель 3 Модель 4 C –5,98 0,00 –10,42 0,00 –4,69 0,13 –14,37 0,06 ASSETS_L –2,80 0,00 –2,76 0,00 –2,73 0,00 –2,73 0,00 EBIT/EV_M 0,49 0,00 0,54 0,00 0,58 0,00 0,54 0,00 REVENUE/EV_M 0,36 0,00 0,47 0,00 0,50 0,00 0,48 0,00 ACQUIRED_STAKE –0,04 0,01 –0,03 0,04 –0,04 0,03 –0,04 0,02 COMPL_ANN –0,02 0,00 –0,02 0,00 –0,02 0,00 –0,01 0,00 COMPL_RUM 0,01 0,00 0,0120 0,00 0,01 0,00 0,01 0,00 RUMR 1,85 0,00 2,04 0,00 2,48 0,00 2,19 0,00 C1 –3,87 0,00 –3,66 0,00 –3,83 0,00 C2 1,63 0,00 2,14 0,00 1,98 0,00 C3 2,87 0,00 2,31 0,00 2,68 0,00 E1 0,31 0,54 1,09 0,03 0,54 0,28 E2 –2,43 0,00 –2,42 0,00 –2,49 0,00 E3 3,77 0,00 4,06 0,00 3,86 0,00 P1 1,59 0,00 0,73 0,16 0,99 0,06 P2 –1,43 0,06 –0,67 0,39 –0,75 0,34 P3 –2,22 0,00 –1,25 0,02 –1,61 0,00 S1 1,34 0,06 –0,10 0,89 0,41 0,58 S2 0,49 0,18 0,69 0,06 0,74 0,05 S3 –2,26 0,00 –2,80 0,00 –2,71 0,00 Group 1 –10,49 0,00 Group 2 –10,66 0,00 Group 3 –4,86 0,03 Group 4 1,88 0,45 Generation 4,30 0,55 Transport 2,09 0,77 Gas 12,11 0,10 Water 4,91 0,50 R-squared 0,100 0,139 0,156 0,147 Adjusted R-squared 0,099 0,136 0,153 0,144 Стерхов А.В., Просвирина И.И. Формирование премии в сделках слияний и поглощений электроэнергетических компаний с учетом политических факторов Вестник ЮУрГУ. Серия «Экономика и менеджмент». 2019. Т. 13, № 4. С. 80–87 85 Все факторы данного регрессионного уравне- ния статистически значимы, коэффициент детер- минации достигает 10 %. В моделях 2–4 были добавлены 12 переменных, соответствующих значениям компонентов индекса FSI. При этом в модели 2 не была учтена отраслевая принадлежность компаний, в модели 3 была исполь- зована авторская классификация на основе равенства отраслевых премий, а в модели 4 – классификация на основе отраслевой классификации NAICS 2017. По итогам рассмотрения регрессионных урав- нений (модели 2–4) приходим к выводу, что до- бавление переменных, отражающих отраслевую принадлежность компаний, а также политические факторы, целесообразно, так как приводит к росту скорректированного коэффициента детерминации. При этом влияние базовых переменных остается стабильным во всех четырех регрессионных моде- лях и соответствует имеющимся представлениям. На данном этапе анализа лучшую объясняю- щую способность показывает авторская классифи- кация. У нее выше скорректированный коэффици- ент детерминации, кроме того, для трех отраслей бета-коэффициенты значимы. Для четвертой от- расли бета-коэффициент статистически не отлича- ется от константы. Далее проведем анализ влияния компонентов индекса FSI на величину ожидаемой премии в сделках. Отметим, что из 12-ти компонентов ин- декса FSI 7 оказались значимыми во всех регрес- сионных уравнениях. Для значимых факторов на- правление воздействия совпадает в каждом из трех рассматриваемых регрессионных уравнений. Все это свидетельствует о том, что данный индекс мо- жет быть использован в целях оценки ожидаемой премии в сделках слияний и поглощений. Итак, мы видим, что индекс FSI может быть использован в качестве измерителя рисков в сдел- ках слияний и поглощений. Включение в модель для ценовой премии межстрановых отличий позволило увеличить ко- эффициент детерминации с 10 до 15,6 %, или на 56 % по отношению к модели 1. Также значимым фактором может оказаться принадлежность к определенной отрасли. Расши- ряем количество объясняющих переменных отрас- лями, к которым принадлежат предприятия. Для формализации отраслевой принадлежности ком- пании были сгенерированы бинарные переменные, по одной для каждой отрасли. Далее была прове- дена группировка по критерию Вальда на основе равенства премий для каждой пары из двух отрас- лей. Пары отраслей с равной величиной премии объединялись. На последующих этапах к получен- ным группам присоединялись последующие от- расли также по критерию равенства относительной премии. Результатом данного алгоритма стало создание четырех групп отраслей со статистически равной величиной премии. Данные по группам отраслей приведены в табл. 3. Можно обратить внимание, что группа 1 вклю- чает в себя преимущественно отрасли, связанные с Таблица 3 Группы отраслей по критерию равенства относительной премии Группа Перечень отраслей по классификации NAICS2017 Group 1 Bituminous Coal Underground Mining; Commodity Contracts Dealing; Data Processing, Hosting, and Related Services; Electric Bulk Power Transmission and Control; Electric Power Distribution; Fabricated Structural Metal Manufacturing; Hydroelectric Power Generation Group 2 Steam and Air-Conditioning Supply; Wind Electric Power Generation Group 3 Fossil Fuel Electric Power Generation; Geothermal Electric Power Generation; Nuclear Electric Power Generation; Other Electric Power Generation; Power and Communication Line and Related Structures Construction; Solar Electric Power Generation; Water Supply and Irrigation Systems Group 4 Natural Gas Distribution; Sewage Treatment Facilities Таблица 4 Политические факторы, влияющие на премию в сделках слияний и поглощений Фактор Влияние Переменные Риски незаконного изъятия собственности – C1, P3, S3 Риски уничтожения собственности путем террористических атак или анало- гичных действий – C1, S3 Сплоченность политических элит, отсутствие конкуренции между ними + C2 Наличие конфликтов между большими группами в обществе + C3 Наличие диспропорций в экономическом развитии – E2 «Утечка мозгов» – E3 Экономика и финансы Bulletin of the South Ural State University. Ser. Economics and Management. 2019, vol. 13, no. 4, pp. 80–87 86 распределением и передачей электроэнергии, а группа 3 – отрасли, связанные с генерацией элек- троэнергии. В табл. 4 обобщены данные моделей 2–4, а также предварительно сделанных гипотез относи- тельно направления влияния компонентов индекса FSI на величину премии в сделках слияний и по- глощений. Обратим внимание, что результаты всех семи переменных, полученные в регрессионных уравне- ниях, подтверждают первоначальные гипотезы. При этом наиболее важными из политических факторов, влияющих на премию в сделках слияний и погло- щений, являются риски незаконного изъятия или уничтожения собственности. Таким образом, вклю- чение в модель компонентов индекса FSI позволяет оценить не только политические, но и экономиче- ские риски. Данный способ характеризуется объек- тивностью и относительной простотой. Отраслевая принадлежность компании – объ- екта сделки также существенно влияет на величи- ну премии. При этом применение авторской клас- сификации на основе группировки компаний по равенству премии позволяет несколько увеличить объясняющую способность модели, измеряемую как коэффициент детерминации. Можно отметить, что переменная Rumr боль- ше остальных меняет свое значение, сохраняя зна- чимость и знак. Это говорит о том, что требуется дальнейший анализ и усложнение модели в отно- шении конъюнктуры долгового рынка, а также, возможно, включение в модель конъюнктуры дру- гих финансовых рынков. Обсуждения и выводы Приведенный анализ позволил прийти к сле- дующим выводам. Все четыре группы факторов, выделенные для це- лей настоящего исследования, оказывают значи- мое влияние на премию в сделках слияний и по- глощений электроэнергетических компаний. По- лученные выводы не противоречат предыдущим исследованиям, а подтверждают их. Сделки по покупке компаний со значительным объемом активов, а также покупка большей доли компании статистически означает более низкую премию. Улучшение операционных и финансовых показателей компании способствует росту премии. Использование индекса FSI допустимо для це- лей формализации влияния политических факторов в сделках слияний и поглощений. Показано, что влияние политических факторов неоднозначно. В рамках электроэнергетической отрасли для целей оценки премии в сделках слияний и погло- щений целесообразно проводить группировку компаний по отраслевой принадлежности, по- скольку для отдельных отраслей внутри электро- энергетики характерна различная премия. При этом меньшая величина премии характерна для сектора транспортировки энергоресурсов. Конъюнктура долгового рынка значимо влияет на премию в сделках слияний и поглощений. В среднем изменение процентной ставки EURIBOR на один процентный пункт приводит к изменению премии примерно на 2–2,5 % в том же направлении. Представляется, что полученные выводы будут интересны как научному сообществу, так и собст- венникам компаний. Вопрос использования индекса FSI в практике корпоративного управления, на наш взгляд, является интересным в плане дальнейшего развития. Полученные выводы могут быть исполь- зованы бизнес-сообществом с целью управления стоимостью электроэнергетических компаний. Литература/References 1. Leonidas G. Barbopoulos, Samer Adra, The earn out structure matters: Takeover premia and acquirer gains in earnout financed M&As. International Review of Financial Analysis, 2016, vol. 45, pp. 283–294. DOI: 10.1016/j.irfa.2016.04.007 2. Olivier Bertrand, Marie-Ann Betschinger. Performance of domestic and cross-border acquisitions: Empirical evidence from Russian acquirers. Journal of Comparative Economics, 2012, vol. 40, Iss. 3, pp. 413–437. DOI: 10.1016/j.jce.2011.11.003 3. Erel, Isil and Liao, Rose C. and Weisbach, Michael S., Determinants of Cross-Border Mergers and Acquisitions (March 15, 2011). Journal of Finance, Forthcoming; Charles A. Dice Center Working Paper No. 2009-03-011; Fisher College of Business Working Paper No. 2009-03-11. Available at SSRN: https://ssrn.com/abstract=1427408 4. Bauer F., Matzler K. Antecedents of M&A success: The role of strategic complementarity, cultural fit, and degree and speed of integration. Strategic Management Journal, 2014, vol. 35(2), pp. 269–291. DOI: 10.1002/smj.2091 5. Agyenim Boateng, Xiuping Hua, Moshfique Uddin, Min Du, Home country macroeconomic factors on outward cross-border mergers and acquisitions: Evidence from the UK. Research in International Business and Finance, 2014, vol. 30, pp. 202–216. DOI: 10.1016/j.ribaf.2013.08.001 6. Alice Bonaime, Huseyin Gulen, Mihai Ion, Does policy uncertainty affect mergers and acquisitions? Journal of Financial Economics, 2018, vol. 129, iss. 3, pp. 531–558. DOI: 10.1016/j.jfineco. 2018.05.007 7. Burcin Col, Vihang Errunza, Corporate governance and state expropriation risk. Journal of Corporate Finance, 2015, vol. 33, pp. 71–84. DOI: 10.1016/j.jcorpfin.2015.04.005 8. Jo Kishimoto, Mika Goto, Kotaro Inoue, Do acquisitions by electric utility companies create value? Evidence from deregulated markets. Energy Policy, 2017, vol. 105, pp. 212–224. DOI: 10.1016/j.enpol. 2017.02.032 9. Aharon D. Y., Gavious I., Yosef R. Stock market bubble effects on mergers and acquisitions. The Quarterly Review of Economics and Finance, 2010, vol. 50, pp. 456–470. DOI: 10.1016/j.qref. 2010.05.002 Стерхов А.В., Просвирина И.И. Формирование премии в сделках слияний и поглощений электроэнергетических компаний с учетом политических факторов Вестник ЮУрГУ. Серия «Экономика и менеджмент». 2019. Т. 13, № 4. С. 80–87 87 10. Li J., Li P., Wang B. Do cross-border acquisitions create value? Evidence from overseas acquisitions by Chinese firms. International Business Review, 2016, vol. 25, pp. 471–483. DOI: 10.1016/j.ibusrev. 2015.08.003 11. Ma Q., Whidbee D.A., Zhang A.W. Value, valuation, and the long-run performance of merged firms. Journal of Corporate Finance, 2011, vol. 17, pp. 1–17. DOI: 10.1016/j.jcorpfin.2010.07.001 12. Available at: https://fragilestatesindex.org Стерхов Александр Викторович, старший преподаватель, Уральский федеральный университет им. Первого Президента России Б.Н. Ельцина (г. Екатеринбург), [email protected] Просвирина Ирина Игоревна, доктор экономических наук, доцент, заведующий кафедрой бухгал- терского учета, анализа и аудита, Южно-Уральский государственный университет (г. Челябинск), [email protected] Поступила в редакцию 29 октября 2019 г. __________________________________________________________________________________________ DOI: 10.14529/em190408 PREMIUM EVALUATION IN MERGERS AND ACQUISITIONS OF ELECTRIC POWER COMPANIES WITH DUE REGARD TO POLITICAL FACTORS A.V. Sterkhov1, I.I. Prosvirina2 1 Ural Federal University named after the First President of Russia B.N. Yeltsin, Ekaterinburg, Russian Federation 2 South Ural State University, Chelyabinsk, Russian Federation The subject of this article is the mechanism of premium evaluation in mergers and acquisitions deals, the research topic is the impact of country and industry factors on the premium. The purpose of the article is to build a model for assessing the relative premium in mergers and acquisitions of electric power companies. The research methodology is based on a comparative business valuation method. The empirical base of the study includes data on 6826 mergers and acquisitions that occurred around the world from 1997 to 2019. The research base includes data on both public and non-public companies, for which the amount paid and the value of total assets are known. The article proposes an author's approach to grouping industries based on the equality of premium coefficients in regression, and the groups of industries with equal premium are obtained. It is shown that the grouping of industries obtained by the mathematical algorithm almost completely corresponds to the branch structure of the electric power industry. It is also specified that the political factors formalized with the FSI (Fragile State Index) influence the creation of premiums in mergers and acquisitions. The coefficient of determination of the final econometric models reaches 15.6 percent, which can be estimated as a high quality of assessment, provided the relative premium in a dealis predicted, but not the amount paid, which is closely correlated with the value of the company's assets. The practical significance of the study is in the possibility of predicting business value in mergers and acquisitions, as well as establishing the amount paid in a deal, in cases where such information is not available. Keywords: corporate finance, business value, business valuation, comparative method, merging, acquisition, target company, political factors, macroeconomic factors, interest rates. Alexander V. Sterkhov, Senior Lecturer, Ural Federal University named after the First President of Russia B.N. Yeltsin, Ekaterinburg, [email protected] Irina I. Prosvirina. Doctor of Sciences (Economics), Professor, Head of the Department of Accounting, Analysis and Audit, South Ural State University, Chelyabinsk, [email protected] Received October 29, 2019 ОБРАЗЕЦ ЦИТИРОВАНИЯ FOR CITATION Стерхов, А.В. Формирование премии в сделках слияний и поглощений электроэнергетических компа- ний с учетом политических факторов / А.В. Стерхов, И.И. Просвирина // Вестник ЮУрГУ. Серия «Экономи- ка и менеджмент». – 2019. – Т. 13, № 4. – С. 80–87. DOI: 10.14529/em190408 Sterkhov A.V., Prosvirina I.I. Premium Evaluation in Mergers and Acquisitions of Electric Power Companies with Due Regard to Political Factors. Bulletin of the South Ural State University. Ser. Economics and Management, 2019, vol. 13, no. 4, pp. 80–87 (in Russ.). DOI: 10.14529/em190408 Нет ссылки в тексте на [5] в образец цитирования надо Просвирину включить, это его науч.рук.

Похожие разделы

заказать диплом





© 2002 - 2021 RefMag.ru