目標公司信息透明度與并購溢價

王天童，孫 燁

(吉林大學 商學院，吉林 長春 130012)

一、引 言

并購溢價是并購交易成本的重要來源，較高的溢價是并購不能為投標公司股東創造價值的原因之一。溢價水平關系到市場資源是否可以通過并購行為有效配置，影響著金融服務實體經濟的能力。在部分交易中，投標公司支付了高昂的溢價，而在一些交易中，投標公司以較低的成本完成并購，這種溢價差異引起了學術界的關注。

信息是企業投資決策的依據，因而目標公司信息如何影響并購定價得到持續地討論。Raman等[1]檢驗了目標公司盈余信息質量對并購決策的影響，發現當投標公司面對盈余質量較差的目標公司時傾向采用協議收購的方式，在協議收購中盈余質量與并購溢價負相關。其認為，投標公司依賴通過談判消除信息不確定，且目標公司在談判中主動釋放更多有利于提升自身估價的私有信息是盈余質量影響并購溢價的原因。但該研究沒有討論要約收購中目標公司信息質量對并購溢價可能產生的影響。McNichols和Stubben[2]發現，對于會計信息質量更高的目標公司，投標公司通過支付更少的并購溢價獲得了更大比例的協同效應收益。劉娥平和關靜怡[3]以中國A股上市公司并購事件為研究樣本，得到了與先前文獻類似的結論，無論目標公司在并購前進行正向或負向的會計信息盈余管理，管理程度越大并購溢價越高，但其研究使用的樣本僅局限于定增并購事件。可見，當前研究多集中于目標公司的會計信息質量對并購溢價的影響。然而，現實中會計信息質量并不能全部決定一家公司與外界投資者的平均信息成本。強制披露信息的質量、自愿披露信息的水平以及新聞媒體和社會曝光的程度都會影響上市公司的信息透明度。因此，現有的基于目標公司信息的并購定價研究都只分析了目標公司信息的一個層面，缺少綜合視角的分析。此外，這類研究的理論分析過程實際考察的是投標公司基于目標公司會計信息質量而與目標公司間存在的信息不對稱如何影響并購定價。但事實上，公司并購中存在兩種類型的信息不對稱，是三元信息不對稱結構，一種是并購公司之間的信息不對稱，另一種是資本市場投資者與并購公司之間的信息不對稱。由于第二種信息不對稱會影響目標公司資產定價，也最終影響投標公司的并購定價，因而從資本市場的綜合信息成本角度分析信息透明度對并購溢價的影響具有重要意義。Chatterjee等[4]從投資者對目標公司股價信息的異質預期角度進行分析，發現異質信念與并購溢價正相關，但其分析模型以目標公司股東全部充分參與并購決策投票過程和交易發生控制權轉移為假定前提，且沒有充分考慮目標公司投資者異質信念對投標公司并購出價的影響。基于此，本文通過分析師跟蹤預測數據以及上交所、深交所公布的信息披露質量等級數據刻畫市場感受到的上市公司平均信息成本，從更為綜合的視角對目標公司信息如何影響并購定價進行研究。并在此基礎上，分析不同信息透明度目標公司的并購市場績效，檢驗低信息透明度目標公司通過宣告并購吸引投資者對其重新認識的效果。

本文對現有文獻的貢獻主要在于：首先，本文超越了會計信息質量的單一層面，從資本市場綜合信息成本角度出發，拓展了基于信息的并購定價研究視角。其次，本文從投標公司與資本市場投資者對信息成本折價差異的角度分析了信息透明度對并購定價的影響機制，將公司并購中存在的兩種類型的信息不對稱同時納入現有研究分析結構中，完善了基于信息的并購定價研究框架。最后，本文豐富了現有的并購溢價以及并購市場績效影響因素研究，并提供了新的證據。

二、理論分析與假設提出

(一) 目標公司信息透明度與并購溢價

為了便于分析，本文對公司并購交易所涉及的一些核心概念進行預先公式化設定。本文假定上市目標公司在完全信息下的價值為V，目標公司的市場綜合信息成本水平為Ω(Ω越大，目標公司信息透明度越低)，投標公司判斷可以通過并購整合實現的協同效應相對于目標公司自身價值的百分比為S。由于公司并購中存在并購公司之間的以及資本市場與并購公司之間的兩種類型的信息不對稱，因而本文假定資本市場對目標公司價值的折價是關于Ω的函數Dm(Ω)，而投標公司對目標公司價值的折價是關于Ω的函數Da(Ω) 。基于以上假定可知：目標公司的并購后價值為V(1+S)，目標公司的市場價值為Pm=V×Dm(Ω)，投標公司對目標公司的并購出價為Pa=V×(Da(Ω)+S)。

根據定義，可得并購溢價Prem(Ω)為：

(1)

為了探討目標公司信息透明度變化對并購溢價的影響，對式(1)取一階導數：

(2)

Prem′(Ω)在式(3)條件下為正：

Dm(Ω)D′a(Ω)>(Da(Ω)+S)D′m(Ω)

(3)

現有研究發現，信息透明度低的公司被資本市場折價定價，這種信息折價是對投資者承受更大程度信息風險和代理問題的補償，因而D′m(Ω)<0，而Dm(Ω)>0。整理如下：

(4)

注意(Da(Ω)+S)/Dm(Ω)=Prem(Ω)，現實中往往00。當并購屬于單個投標方交易的情況下，目標公司信息透明度越高，投標公司掌握的關于目標公司的信息越多，投標公司對并購目標公司的邊際期待回報越高，致使投標出價的保留價格越低。在這樣的情況下D′a(Ω)>0。由于式(4)左側大于0，D′m(Ω)<0，D′a(Ω)>0，因而式(4)恒成立。基于以上分析，筆者提出如下假設：

H1：在其他條件相同的情況下，目標公司信息透明度與并購溢價負相關。

(二)目標公司信息透明度與并購市場績效

對于低信息透明度目標公司，由于資本市場的折價效應，其存在借助宣告并購吸引投資者注意，通過市場的重新估值來增加股價的動機。如前文分析，投標公司會為低信息透明度目標公司支付更高的并購溢價，對于目標公司投資者而言，這應是公司股價被低估的積極信號。那么，這類目標公司能夠如愿以償嗎？

筆者認為，低信息透明度目標公司很難獲得更為積極的并購市場績效。首先，信息透明度提高會增加公司向市場傳遞邊際信息含量的能力，有助于投資者做出理性的投資決策，從而增加市場的價格發現效率，提高股價的信息含量。低信息透明度目標公司與資本市場之間更大水平的信息不對稱可能會導致投資者對新信息的不充分反應。其次，信息透明度的提高會減弱非知情交易者的信息劣勢和逆向選擇成本，從而增加股票的流動性，對于以個人投資者為主要投資群體的中國A股市場而言，這種效應會更為顯著。較高的流動性將對股價發現效率和信息含量起到放大效果。最后，如前文所述，信息風險和潛在代理問題的存在使得投資者對低信息透明度公司要求更多的風險溢價補償，最終導致這類公司被市場折價定價。雖然，投標公司高溢價并購發出了低信息透明度目標公司股價可能被低估的信號，但由于投資者與公司間的信息渠道和信息成本沒有本質改變，投資者的風險補償要求依然存在。因而，這種折價定價可能存在一定的動能，不能被并購所完全修正。基于以上分析，筆者提出如下假設：

H2：在其他條件相同的情況下，目標公司信息透明度與并購市場績效正相關。

三、研究設計

(一)數據來源與樣本選取

本文所使用的上市公司并購重組、分析師預測、公司財務、公司治理及股票市場交易數據均來源于CSMAR數據庫。樣本的篩選標準如下：第一，選取首次并購宣告日于2009年初至2018年末，目標公司為滬深A股上市公司的并購樣本；第二，剔除以資產為標的以及股份回購的樣本；第三，剔除關聯交易和交易金額小于100萬元人民幣的樣本；第四，剔除IPO首年內被并購的樣本；第五，剔除金融和保險行業公司以及并購交易前一年內存在ST、*ST以及PT等不正常交易情況公司的樣本；第六，為排除并購經驗對研究結果的影響，對于同一公司在研究期間內被多次并購的，僅保留首次并購事件作為研究樣本；第七，剔除分析師預測數據和累計異常報酬率計算結果缺失的樣本。經過篩選獲得研究樣本1 574筆。為消除異常值影響，對所有連續型變量在1%和99%分位進行縮尾處理。數據整理及分析使用SAS 9.4統計軟件。

觀察可見，近10年中國上市公司并購交易數量于2009—2015年保持6年的快速增長，從年交易67筆到年交易258筆的歷史高峰，2015—2017年交易活躍程度下降較快，2018年快速反彈至年交易207筆，期間內，2010—2011年、2014—2015年以及2017—2018年的交易增長速度最快。除2009年、2013年和2018年以外，低溢價交易數量均多于高溢價交易數量，研究期間內低溢價交易占總交易量的55.59%居多數。總體上，年交易筆數與低溢價交易多于高溢價交易的筆數呈現同步，但出現兩次明顯的背離，其中2013—2014年交易總量下降而低溢價并購相對增多，2017—2018年交易總量上升而低溢價并購相對減少。從2012年起，交易開始出現投標公司前期持股的情況，研究期間內前期持股交易占比12.13%。此外，本文還根據中國證監會2012年修訂的《上市公司行業分類指引》統計了樣本的行業分布情況。除金融行業在數據篩選過程中被剔除以外，其它18個行業門類全部涵蓋在樣本中。其中，制造業交易占比遙遙領先(67.15%)，緊隨其后的是信息傳輸、軟件和信息技術服務業(8.07%)，批發和零售業(4.57%)，房地產業(3.30%)和建筑業(2.48%)，這五個交易最活躍的行業門類總占比達85.57%。可見，近十年中國上市公司并購呈現實業為主，高新技術突出發展的總體態勢。

(二)變量定義與模型選擇

1.變量定義

(1)被解釋變量

并購溢價(PREMIUM)。參照Golubov等[5]與溫日光[6]的研究，為每股交易價格與目標公司并購宣告4周前(即20個交易日前)股價的比值。

目標公司并購市場績效(CAR)。本文根據Brown和Warner[7]發展的標準事件研究法，衡量目標公司的短期市場績效。參照Cai和Sevilir[8]的做法，本文選用(-2, +2)的5日事件窗口計算目標公司的累計異常收益率，使用流動市值加權平均的市場回報率對市場模型(Market Model)進行系數估計。Schwert[9]研究發現，平均而言目標公司股價于并購宣告前兩個月內開始攀升。因此，本文對市場模型估計期的選擇為(-240, -41)，共200個交易日。并購首次宣告日為事件0日，加減日數均為目標公司的實際交易日。

(2)解釋變量

本文采用三種最為常用的衡量公司級別信息透明度(DIT，Degree of Information Transparency)的方法，分析師跟蹤覆蓋率、分析師預測偏誤和交易所信息質量等級。這些代理變量衡量了外界投資者與公司之間的平均信息成本水平。其中，分析師跟蹤覆蓋率和交易所信息質量等級越高，公司信息透明度越高，平均信息成本越低，而分析師預測偏誤與之相反。

分析師跟蹤覆蓋率(COV，Analyst Coverage)。Lang和Lundholm[10]研究發現，分析師覆蓋率與公司平均信息成本有關，相關信息越易獲得的公司，跟蹤的分析師人數越多。分析師覆蓋率為并購宣告前一年，跟蹤目標公司的分析師的人數。

分析師預測偏誤(ERR，Analyst Forecast Error)。Thomas[11]以及Abarbanell和Lehavy[12]研究發現，當公司披露更多信息時，分析師預測偏誤程度下降。分析師預測偏誤為并購宣告前一年目標公司所有分析師預測準確度的均值。單次分析師預測準確度=abs(分析師預測的EPS-實際EPS)/abs(實際EPS)，其中EPS為每股盈余，abs表示取絕對值。

交易所信息質量等級(SER，Stock Exchange Rating)。參照曾穎和陸正飛[13]的研究，依據上海證券交易所和深圳證券交易所發布的上市公司信息批露質量評級進行賦值，目標公司于并購宣告前一年評價等級為優秀的賦值為4，等級為良好的賦值為3，等級為及格的賦值為2，不及格的賦值為1。信息質量等級是證券交易所依據上市公司全年的信息披露行為(包括強制信息披露和自愿信息披露)對其信息披露水平(包括披露信息的數量和披露信息的質量)做出的綜合評價，具有較為權威的參考價值。

(3)控制變量。為降低遺漏關鍵變量的影響，本文依據現有文獻[14-17]，對以下可能影響并購溢價的因素進行控制：①交易規模(DEALSIZE)：投標公司在交易中支付的現金或資產或股票價值的自然對數。②交易比例(TP，Trading Proportion)：交易中發生變動的標的股權占目標公司總股權的比例。③前期持股(TOEHOLD)：虛擬變量，并購宣告4周前投標公司持有的目標公司股權比例超過5%則為1，否則為0。④對價方式(CASH)：虛擬變量，投標公司完全使用現金作為其對價方式則為1，否則為0。⑤前期股價變動(RUNUP)：通過市場模型計算的目標公司在并購宣告前2個月內(-41，-1)的累計異常收益率，估計期為(-240, -41)，共200個交易日，其中，以并購宣告當天為第0天。⑥盈利能力(ROA_ADJ)：目標公司并購宣告前一年末的凈收益與總資產的比率，使用全部A股上市公司當年行業中值水平進行調整。⑦市賬率(MTB，Market to Book Ratio)：目標公司并購宣告前一年末普通股的市場價值與賬面價值的比率。⑧成長性(GROWTH)：目標公司并購宣告前一年的營業收入增長率。⑨流動性(LIQUIDITY)：目標公司并購宣告前一年末凈流動資產與總資產的比率。⑩負債水平(LEVERAGE)：目標公司并購宣告前一年末總負債與總資產的比率。公司規模(FIRMSIZE)：目標公司并購宣告前一年末總資產的自然對數。獨立董事比例(PID，Proportion of Independent Directors)：目標公司并購宣告前一年末獨立董事在董事會總人數中所占的比例。董事會規模(BS，Board Scale)：目標公司并購宣告前一年末董事會成員數量。高管持股(SRTMT，Shareholding Ratio of Top Management Team)：目標公司并購宣告前一年末高級管理人員持股數量(包括兼任的情況)與公司總股數的比率。股權集中度(SC，Share Concentration)：目標公司并購宣告前一年末第一大股東持股比例。年份固定效應(YEAR)：為2009—2018年10個財務年度研究期間，設置9個年份虛擬變量。行業固定效應(IND)：行業分類標準以中國證監會2012年修訂的《上市公司行業分類指引》的行業門類為依據。研究樣本涵蓋了19個行業門類中的18個(金融業被剔除)，因而設置17個行業虛擬變量。并購事件時間軸，如圖1所示。

2.模型選擇

本文構建如下模型通過OLS回歸分析對所提出的假設進行驗證：

PREMIUMi/CARi=β0+β1DITi+∑βControls+εi

(5)

其中，PREMIUMi和CARi分別是第i樣本的并購溢價和目標公司并購市場績效，β0是截距項，DITi是目標公司的信息透明度變量，β1是解釋變量的系數，Controls是由控制變量構成的向量，β是控制變量系數構成的向量，εi是模型的隨機誤差項。

四、回歸結果及分析

(一)描述性統計分析

表1給出了樣本各變量的描述性統計。如表1所示，并購溢價的均值為0.979，說明中國A股上市公司并購總體上為折價并購，并購溢價的最小值為0.294、最大值為2.171，從實證上驗證了前文對0

(二)目標公司信息透明度與并購溢價

表2給出了對本文H1的檢驗結果。其中，列(1)為回歸模型中未放入解釋變量信息透明度(DIT)的回歸結果，列(2)—列(4)是將3種信息透明度代理變量分別納入模型的回歸結果。可見，分析師跟蹤覆蓋率(COV)和交易所信息質量等級(SER)變量回歸系數為負向，分析師預測偏誤(ERR)變量回歸系數為正向，并且分析師跟蹤覆蓋率(COV)和分析師預測偏誤(ERR)變量均在99%的置信水平上拒絕了原假設，交易所信息質量等級(SER)變量的回歸結果具有5%的顯著性水平。這說明，目標公司信息透明度對并購溢價存在顯著的負向影響。分析師預測精度平均提高10%，并購溢價降低約2%，交易所信息質量評級提高一個等級，并購溢價降低約2.5%，以2018年研究樣本為例，投標公司共支付162億元交易費用，平均并購溢價率1.009，這將分別為投標公司共節省32億和40億元交易成本。實證結果支持了本文提出的H1。通過使用多種代理變量對同一構念進行測度的方法，可以有效減弱由于變量測量誤差而產生的內生性問題，得到更為可信的研究結果。

表2 目標公司信息透明度與并購溢價回歸結果

注：括號中報告的是t值；***、**和*分別表示1%、5%和10%的顯著性水平，下同。

觀察控制變量的回歸結果可見，中國A股上市公司并購定價具有顯著的前期持股(TOEHOLD)效應、前期股價變動(RUNUP)效應、市賬率(MTB)效應和董事會規模(BS)效應。具體而言，投標公司在并購宣告4周前持有的目標公司股權比例超過5%將降低并購溢價率3%—6%，這可能是由于投標公司在并購前持有一定比例的目標公司股權，可以獲得更多關于目標公司的私有信息以及優勢交易地位，因而前期持股的投標公司面對更低程度的投標競爭和目標公司抵抗，并購成本較低[18]。并購溢價與目標公司宣告前兩個月的累計異常收益率同向變動，這可能存在兩種原因：第一，投標公司和目標公司高管在定價中考慮了目標公司并購前股價變動所含有的價值信息，目標公司前期股價變動成為雙方重要的理性定價參考標準；第二，投標公司管理層存在“狂妄自大”，雖然由于一定原因目標公司在交易前短期內股價攀升，但投標方欲不計成本地贏取并購。目標公司并購宣告前一年末市賬率越高，并購溢價越低，說明投標公司的并購出價總體上修正了目標公司先前(中期)的股價高估。可見，目標公司治理水平越高，交易中越能有效保護股東利益，目標公司董事會規模越大，目標公司收到的并購溢價水平越高。

(三)目標公司信息透明度與并購市場績效

不同信息透明度目標公司的并購市場績效(CAR)如表3所示。由表3可知，依據分析師跟蹤覆蓋率(COV)和交易所信息質量等級(SER)的分組結果顯示，高組目標公司的并購5日累計異常收益率更大且更顯著。例如，COV低組和高組的CAR均值分別為1.446和2.047，顯著性水平分別為5%和1%；SER低組和高組的CAR均值分別為1.417和3.517，顯著性水平分別為無和1%，中位數分組結果具有相同的趨勢。依據分析師預測偏誤(ERR)的分組呈現低組績效優于高組的特點。具體而言，低組均值為1.514，中位數為1.224，而高組均值為1.324，中位數為0.942，低組顯著性水平為1%，高組顯著性水平為5%。根據變量定義，這說明不同信息透明度變量的分組均顯示高透明度組別目標公司的并購市場績效更好。分組結果初步支持了H2。

表3 信息透明度分組的目標公司并購市場績效CAR(-2, +2)

注：分組依據各變量將觀測值由小至大排列，前1/3觀測值計為該變量的低組，后1/3觀測值計為該變量的高組。

本文進一步對目標公司信息透明度與并購市場績效進行回歸分析，結果如表4所示。由表4可知，分析師跟蹤覆蓋率(COV)與交易所信息質量等級(SER)回歸系數顯著為正，分析師預測偏誤(ERR)回歸系數顯著為負，分別具有1%、5%和10%的顯著性水平，支持了本文H2。這說明，低信息透明度的目標公司沒有因為獲得高溢價而被投資者重新認識，來自資本市場的信息折價效應依然存在。對其他控制變量觀察可見，現金對價方式(CASH)被目標公司投資者理解為積極的市場信號。投資者對目標公司并購的市場反應(CAR)參考了目標公司前期的股價變動(RUNUP)，體現為CAR與RUNUP顯著正相關，這說明事件宣告前后投資者的信念是一致的。交易特質方面，交易規模(DEALSIZE)和交易比例(TP)均對目標公司并購市場績效存在影響，交易規模越大市場反應越消極，交易比例越高市場反應越積極。

(四)內生性及穩健性檢驗

1.內生性檢驗

至此，本文假設公司信息透明度在模型式(5)中是外生變量，一家公司信息透明度或高或低在研究樣本中是完全隨機分布的。然而，Healy和Palepu[19]指出，公司具有基于自利目的而管理外部信息成本的動機。因此，忽略這些因素將導致模型估計的偏誤。針對可能存在遺漏變量的情況，本文通過兩階段最小二乘法對模型潛在的內生性問題進行控制。依據高雷和宋順林[20]以及譚勁松等[21]的研究，選取董事長與總經理兩職兼任(DP)、機構投資者持股(FUNDHOLD)、審計機構是否來自“四大”會計師事務所(BIG4)和地區市場化程度(MARKETIZATION)作為工具變量(IV)，第一階段回歸取得對內生解釋變量的預測值，第二階段用預測值取代原有內生解釋變量對模型進行檢驗(由于篇幅限制原控制變量結果不再報告)。檢驗結果沒有發生本質變化，說明主模型的內生性問題是可控的。

2.穩健性檢驗

本文通過替換被解釋變量的測度方式，對主要實證結果進行穩健性檢驗。參照Officer[22]的做法，使用每股交易價格與目標公司首次并購宣告前第43個交易日的股價比率作為并購溢價(PREMIUM_43)，對原有方法進行替代。參照Dhaliwal等[23]的做法通過市場指數模型完成系數估計，計算目標公司并購累計異常收益率，與前文相同估計期為(-240, -41)，事件窗為(-2, +2)。穩健性檢驗得到和先前回歸近似一致的結果，這說明本文的主要結果和結論具有可靠性。

表4 目標公司信息透明度與并購市場績效回歸結果(N=1 574)

注：受版面所限控制變量略，留存備案。

五、結論與啟示

并購溢價水平關系到并購交易成本的高低，影響市場資源是否可以通過公司并購進行有效配置，因此，探討交易公司如何依據信息完成并購定價具有重要的學術和現實意義。然而，現有研究大多僅從目標公司會計信息質量的層面考察了并購公司之間信息不對稱對并購定價的影響，缺乏資本市場綜合信息成本視角的分析。在此背景下，本文將并購公司之間以及并購公司與市場中投資者之間的信息不對稱同時納入理論框架，分析了目標公司信息透明度對并購溢價的影響。通過對2009—2018 年中國A股上市目標公司1 574筆并購交易樣本進行實證檢驗，發現目標公司信息透明度與并購溢價顯著負相關。研究期間內，目標公司分析師預測精度平均提高10%，并購溢價降低約2%，交易所信息質量評級提高一個等級，并購溢價降低約2.5%，以研究樣本2018年為例，將分別為投標公司共節省32億和40億元交易成本。理論分析認為，投標公司與資本市場投資者對于信息成本折價函數的差異決定了基于目標公司信息透明度的并購定價機制。在此基礎上，本文檢驗了不同信息透明度目標公司的并購市場績效，發現信息透明度與累計異常收益率顯著正相關。此外，筆者還發現，中國A股上市公司并購定價具有明顯的投標公司立足點效應、目標公司前期股價變動效應和估值水平效應；目標公司投資者將現金對價方式理解為積極的市場信號；目標公司并購市場績效明顯受到交易規模和交易比例的影響。這些結論在對內生性問題進行控制以及通過更換核心變量測度方式完成穩健性檢驗后依然牢固可信。

本文的研究發現具有現實啟示意義：一方面，從監管層角度，本文證明了目標公司信息透明度低是并購高溢價定價的重要因素，并從信息成本折價差異角度分析了現象的內因。這為監管層規范建設以信息披露為核心的資本市場基礎制度、降低企業并購交易成本、提升資源優化配置的效率和金融服務實體經濟的能力提供了理論支持。此外，筆者發現，低信息透明度公司的折價效應沒有因為宣告并購以及獲得溢價而得到資本市場的修正。對此本文建議，監管層應進一步加速推進資本市場信息披露制度建設，降低中國資本市場資產定價受噪聲交易影響的程度，改善市場信息環境，提高股價信息含量，提升資本市場價格發現效率。另一方面，本文為并購公司和資本市場投資者從理論層面更為深刻地理解并購活動和定價機制提供了依據，尤其是對于投資者理性認識低信息透明度公司的高并購溢價市場信號提供了新的參考。