中國制造業并購目標的財務特征及預測

趙 息，徐 曉

（天津大學管理與經濟學部，天津 300072）

制造業是中國經濟的支撐產業，是當下經濟轉型時期的重點領域，對中國經濟的持續健康發展起基礎性作用［1－3］。制造業公司的并購研究對其自我完善、自我發展具有重大意義。識別制造業目標公司的特征，能幫助主并公司從公司的財務特征及市場表現中尋找符合要求的目標，幫助管理者制定公司戰略決策，實現企業的最大效益；也能使證券投資者識別潛在的目標公司，通過超前的資本市場運作獲得超常收益；對于制造業被并購企業的管理層來說，提前意識到是否存在被并購的可能性，能影響公司未來的資本運作及經營。

1 國內外相關文獻回顧

自20世紀60年代開始，全球經歷了5次并購浪潮。西方學者對并購目標的研究由來已久，也從未停止。由于研究變量及方法模型的不同，目標公司的特征和預測性的研究結果存在差異。SIMKOWITZ［4］認為目標公司的市盈率、股利支付水平、股本增長率低，公司規模小，并指出非財務指標的重要性，用逐步判別模型預測了并購公司的83%和非并購公司的72%。STEVENS［5］利用多元判別分析得到目標公司具有負債水平、息稅前利潤、短期償債能力低的特征，模型對并購目標檢 驗 的 正 確 率 為70%。HASBROUCK［6］根 據Logit分析得到非金融類目標公司的顯著特征是具有較低的Q值和流動性，財務杠桿不顯著。DIETRICH［7］等則認為財務杠桿存在顯著性，采用Logit模 型 能 很 好 地 預 測。PALEPU［8］以 美 國1971—1979年277家制造和采礦業的目標公司為研究對象，發現目標公司增長率低、流動性差、規模小，增長－資源不平衡，采用Logit模型預測了80%的目標公司，較好地解釋了并購發生的動機，但難以預測并購的發生，說明具有顯著解釋能力的模型不意味著可以用于預測。SORENSEN［9］認為引起20 世紀90年代并購的原因和以前不同，財務比率對并購目標的預測能力有限，只有盈利能力具有顯著性，而且購買方較之出讓方和非并購企業有更大的盈利能力。

中國的研究起步較晚，大多沿用了PALEPU的方法。李善民［10］等以1999—2001年中國A 股市場發生控制權有償轉移的上市公司為樣本，得到目標公司的特征為管理層效率低下、財務資源有限、資產規模相對較小、股權較分散、股權流動性較高、市凈率較高。Logit回歸模型的正確率為71.8%，預測性較好，但并不表明投資者能因此而得 到 超 額 收 益。凌 春 華［11］等 通 過ANOVA 和Logit回歸方法，對2003年的上市并購目標進行了實證研究，其財務特征具有明顯的可識別性，即管理效率低下、財務杠桿高、流動性差但不顯著、經營發展能力低，而無償劃撥的目標公司區別于非目標公司的財務特征不明顯。張金鑫［12］等以中國A 股市場2001—2008年的目標公司為樣本，采用Logistic回歸技術篩選變量并建立并購目標預測模型。研究發現，中國市場上的并購目標公司具有高財務杠桿、低償債能力、盈利能力差、增長乏力、股權分散、股份流動性強等特點。雖然模型解釋能力較強，但其預測準確率不高，在中國市場上預測并購目標是難以實現的。

綜上，可以看到前人對并購目標的研究大都取全樣本數據，忽視了財務指標的行業特征性，如果不考慮行業因素就進行均值分析會抵消行業間上市公司的財務表現，不能正確表達樣本間變量的顯著性。本文以2013年中國制造業并購目標為研究對象，從制造業和非制造業并購目標、制造業并購目標和非并購目標兩條線展開，運用單因素方差分析來識別中國制造業并購目標的財務特征，并構建Logit回歸模型對其預測性作出判斷。

2 樣本、變量及預測模型

2.1 樣本選擇

本文研究考慮并購發生最頻繁的制造業，樣本數據均來自同花順數據庫，并購目標選取2013年度通過股權并購實現控制權轉移的。篩選標準如下：1）第一大股東在并購前后發生改變；2）目標公司在并購前一年已經掛牌上市且相關財務數據完整；3）剔除金融保險業。最后得到并購目標共68個，按照證監會行業分類標準，制造業32 個，非制造業36個，制造業占總并購目標的47%，遠大于其他行業。考慮到上市公司的績效可能和公司規模有關，根據制造業并購目標的股本規模，選取等量的制造業非并購目標32個。

2.2 變量選擇

本文研究借鑒前人的經驗［10－13］，選取反映企業償債能力、資本結構、盈利能力、營運能力、每股指標、股權集中度、股本結構等7個方面的20個指標作為備選變量，變量描述見表1。

表1 變量描述Tab.1 Description of variables

2.3 預測模型

本文因變量Yit是虛擬變量，制造業非并購目標賦值0，制造業并購目標賦值1，非制造業并購目標賦值2。在因變量是離散的情況下，往往采用判別分析和Logit模型2種方法，由于Logit模型不需要自變量滿足嚴格的多元正態分布的假設，其統計檢驗更近似于回歸分析，所以本文研究采用Logit模型。該模型表示如下：

式中：p表示公司i在年度t被收購的概率；x（t，t－1）為公司i在并購發生前一年各財務指標構成的一組列向量；β為自變量x（t，t－1）的回歸系數向量，根據模型計算得到。模型的數值越大，則某公司被并購的可能性越大。

3 實證分析

3.1 單因素方差分析

采用SPSS18.0 軟件，對Y＝0 與Y＝1，以及Y＝1和Y＝2這2組樣本進行單因素方差檢驗，結果見表2。

首先，對Y＝1和Y＝0這2組樣本進行分析：1）在代表償債能力的變量中，目標公司的ALR顯著高于非目標公司，其CR，QR和CO／D顯著小于非目標公司，除了CR外，其他3個變量均在5%的顯著性水平下顯著，可見目標公司的負債水平高，流動性差；2）代表資本結構的變量方面，D／E和EM雖然在統計上都不顯著，但是目標公司的均值大于非目標公司，其杠桿水平更高；3）兩者在盈利能力方面顯示出很大的差異，非目標公司遠大于目標公司，而且代表盈利能力的4個變量均在5%水平上顯著，可見目標公司的盈利能力較低；4）代表營運能力的3 個變量都沒有通過顯著性檢驗，但是從均值的結果可以看到目標公司的ITO和CTO更高，FTO更低，表明并購方更看重目標公司變現能力強的資產的營運能力；5）代表每股指標的3個變量在5%的水平下均顯著，且目標公司的EPS，DEPS，OCF都顯著小于非目標公司，每股指標的質量較差；6）代表股權集中度的變量中兩類公司的S（1）均值差異不顯著；S（10）顯著，且目標公司小于非目標公司，其股權更加分散，這種股權結構有利于并購的開展，且有利于并購方在并購中獲得控制權；7）兩者的國家股和法人股持股比例都不高，變量不顯著，目標公司的S（J）較非目標公司低，表明目標公司的股份流動性較高，對并購的實施有利。

其次，分析Y＝1 和Y＝2 這2 組樣本，只有GPR顯著，其他變量均值都不顯著，這與連玉君［13］等認為中國上市公司的財務比率存在顯著的行業差異不同。雖然市場環境、行業狀況會影響行業間財務特征的表現，但是就并購研究而言，研究樣本僅限于被并購的上市公司，制造業和非制造業并購目標的財務特征趨于一致，行業差異不顯著。

總體來說，制造業目標公司和非目標公司的ALR，QR，CO／D，ROE，GPR，NPR，TAR，EPS，DEPS，OCF和S（10）在0.05 的顯著性水平下顯著，制造業目標公司存在可識別的財務特征，即償債能力低、負債水平高、盈利能力低、流動性資產周轉能力強、每股收益水平低、股權流動性強。另一方面，制造業和非制造業并購目標在財務指標均值上不存在顯著差異，并購目標在各行業間不存在財務特征上的特殊性。

表2 單因素方差分析結果Tab.2 Results of one－way ANOVA

3.2 多重共線性診斷

當自變量存在多重共線性時，參數估計值的方差會增大，可能將重要的解釋變量排除在模型之外，還會使參數估計量的經濟含義不合理［14－16］。因此，在模型預測前需要對變量進行多重共線性診斷。本文采用方差膨脹因子（VIF）對在Y＝1和Y＝0間顯著的11個變量進行診斷，逐步剔除VIF 值大于10的變量（DEPS，TAR），得到不存在多重共線性的9個變量進入預測模型。

3.3 Logit模型

將通過多重共線性的9個變量ALR，QR，CO／D，ROE，GPR，NPR，EPS，OCF和S（10）代入二元Logit回歸模型，依次剔除在回歸模型中不顯著的變量，最后得到在10%水平下顯著的5 個變量，模型結果見表3。

表3 邏輯模型中的變量Tab.3 Variables of Logit model

模型似然比卡方統計量為52.27，NagelkerkeR方為0.42，數值較高。因此，可以認為模型的擬合效果是很好的。此外，HOSMER 和LEMESHOW 擬合優度檢驗的卡方值為11.40，Sig.等于0.18，大于0.05，檢驗結果不顯著，說明回歸模型因變量的實際值與預測值沒有顯著差異，模型擬合較好。根據表3，得到：

模型的5 個變量均在10%水平下顯著，其中ALR，OCF和S（10）在5%水平下顯著。在預測模型中，ROE，OCF和S（10）的系數為負數，這3個財務指標越小，制造業中某公司成為并購目標的可能性越大。而ALR和EPS的系數為正數，某公司成為并購目標的概率隨ALR和EPS的增加而變大。對于制造業上市公司而言，反映公司償債能力、盈利能力、每股質量、股權集中度的財務指標對其能否成為并購目標具有很強的解釋力，而且公司的負債水平高、收益水平低、每股獲利能力強、現金短缺、股權集中度低，則其成為并購目標的可能性越大，這與ANOVA 的分析基本一致。

根據對比樣本和目標公司1∶1的數量確定模型預測的概率閾值0.5，即當概率值大于0.5時因變量取1；當預測概率值小于0.5時因變量取0，Logit模型預測結果見表4。其中，非目標公司的預測正確率為65.6%，目標公司的預測正確率為75.0%，并購目標的預測正確率更高，樣本的總體預測率為70.4%，準確率較高。這說明用Logit模型對制造業并購目標進行預測在很大程度上是可以實現的。

表4 Logit模型預測結果Tab.4 Forecast results of Logit model

4 結論與啟示

本文研究通過ANOVA 分析將2013年中國A股市場制造業并購目標分別和制造業非并購目標、非制造業并購目標進行分析，得出中國制造業目標公司償債能力低、財務杠桿高、盈利能力低、流動性資產周轉能力強、每股收益水平低、股權流動性強。此外，制造業并購目標同非制造業并購目標的財務特征不存在顯著的行業差異性，并購目標間的財務狀況趨同。構建的Logit模型總體準確率為70.4%，能在很大程度上對制造業并購目標進行預測。

不過，由于制造業上市公司數量眾多，模型中對比樣本的總體規模遠大于樣本量，所以今后的研究可以考慮將行業全體非并購目標作為對比公司進行分析，也可以按年度進行縱向對比，以反映制造業的行業動態及市場政策的變化。

／References：

［1］ 蘇亞然，趙風林.企業價值評估方法及在企業中的應用［J］.河北工業科技，2007，24（5）：295－297.SU Yaran，ZHAO Fenglin.Enterprise value assessment methods and their application in enterprises［J］.Hebei Journal of Industrial Science and Technology，2007，24（5）：295－297.

［2］ 杭建民，徐峰林，吳迎新.基于要素與目標導向的上市公司內部控 制 評 價 體 系 研 究［J］.河 北 工 業 科 技，2014，31（3）：185－192.HANG Jianming，XU Fenglin，WU Yingxin.Research on internal control evaluation system of listed company based on element and objective［J］.Hebei Journal of Industrial Science and Technology，2014，31（3）：185－192.

［3］ 頊玉卿，薛會生.產業集群中創新行為主體知識共享策略的演化博弈分析［J］.河北工業科技，2014，31（6）：488－493.XU Yuqing，XUE Huisheng.Evolutionary game analysis on knowledge sharing among innovation behavioral agents in industrial cluster［J］.Hebei Journal of Industrial Science and Technology，2014，31（6）：488－493.

［4］ SIMKOWITZ M A.Discriminant analysis function for conglomerate targets［J］.Southern Journal of Business，1971，6（1）：1－15.

［5］ STEVENS D L.Financial characteristics of merged firms：A multivariate analysis［J］.Journal of Financial and Quantitative Analysis，1973，8（2）：149－158.

［6］ HASBROUCK J.The characteristics of takeover targetsQand other measures［J］.Journal of Banking ＆ Finance，1985，9（3）：351－362.

［7］ DIETRICH J K，SORENSEN E.An application of logit analysis to prediction of merger targets［J］.Journal of Business Research，1984，12（3）：393－402.

［8］ PALEPU K G.Predicting takeover targets：A methodological and empirical analysis［J］.Journal of Accounting and Economics，1986，8（1）：3－35.

［9］ SORENSEN D E.Characteristics of merging firms［J］.Journal of Economics and Business，2000，52（5）：423－433.

［10］ 李善民，曾昭灶.控制權轉移的背景與控制權轉移公司的特征研究［J］.經濟研究，2003（11）：54－64.LI Shanmin，ZENG Zhaozao.Characteristics of takeover targets in China equity market［J］.Economic Research Journal，2003（11）：54－64.

［11］ 凌春華，樓曉霞，廖忠梅.并購目標公司財務特征的實證分析［J］.技術經濟與管理研究，2005（1）：44－46.LING Chunhua，LOU Xiaoxia，LIAO Zhongmei.An empirical analysis of characteristics of takeover targets［J］.Technoeconomics ＆ Management Research，2005（1）：44－46.

［12］ 張金鑫，張艷青，謝紀剛.并購目標識別：來自中國證券市場的證據［J］.會計研究，2012（3）：78－84.ZHANG Jinxin，ZHANG Yanqing，XIE Jigang.Identifying acquisition target：Evidence from China stock market［J］.Accounting Research，2012（3）：78－84.

［13］ 連玉君，李丹.財務比率的行業特征：差異性及收斂性——基于中國上市公司的非參數檢驗［J］.南方經濟，2006（3）：81－90.LIAN Yujun，LI Dan.The difference and convergence of financial rations：A non－parametric test for Chinese listed firm［J］.South China Journal of Economics，2006（3）：81－90.

［14］ 高振明，莊新田，曹曉玲.后股份分置時代并購目標公司的特征——基于中國上市公司的經驗數據［J］.東北大學學報（自然科學版），2013，34（6）：905－908.GAO Zhenming，ZHUANG Xintian，CAO Xiaoling.Characteristics of the merger target firm in post non－radable share reform era：An empirical study on the listed companies in Chinese equity market［J］.Journal of Northeastern University（Natural Science），2013，34（6）：905－908.

［15］ 蘇國振，何娟.基于粗糙集的銀行存貨質押業務投資決策研究［J］.河北工業科技，2013，30（6）：414－420.SU Guozhen，HE Juan.Rough sets－based investment decisionmaking research of inventory financing business［J］.Hebei Journal of Industrial Science and Technology，2013，30（6）：414－420.

［16］ 梅世強，王雪怡.管理者過度自信變量的選擇和實證分析——來自中國上市公司的經驗證據［J］.河北工業科技，2013，30（5）：342－346.MEI Shiqiang，WANG Xueyi.Selection of variables about managers’overconfidence and the empirical analysis by using data from Chinese listed companies［J］.Hebei Journal of Industrial Science and Technology，2013，30（5）：342－346.