Дипломная (вкр): Выявление и оценка факторов стоимости в сделках слияния и поглощения, где компанией-покупателем является фонд прямых инвестиций

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

2) Тест на гетероскедастичность

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

3) Анализ распределения остатков регрессии

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

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

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

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

Таблица 4.3. Базовая спецификация регрессионной модели (1)

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

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

Таблица 4.4. Спецификация с дополнительными переменными

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

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

( 1) crisis_year = 0

( 2) roa = 0

( 3) num_comp = 0

(4) mmvb = 0

F (  4, 189) = 1.30

Prob > F = 0.2727

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

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

Таблица 4.5. Спецификация модели №3

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

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

Таблица 4.6. Модель бинарного выбора с зависимой переменной Eff_v

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

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

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

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

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

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

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