201506 - page 84
第
30
卷
摇
第
6
期 张继德
,
张荣武
,
徐文仲
:
并购重组公告的短期财富效应研究
据公司的治理
、
财务
、
规模
、
行业特征和控制人类
型作为公司特征
,
来验证投资者不仅关注并购重
组短期炒作效应
,
而且关注主并公司特征
,
从而促
使短期财富效应更为显著
。
于是本文提出如下
假设
。
H3:
对于并购重组信息
,
投资者会对主并公司特
征予以有限关注
,
引起短期财富效应更为显著
。
二
、
数据来源
、
样本选取与研究设计
(
一
)
数据来源
数据来自
CSMAR
数据库
,
收集整理出如下
数据
:(1)2002—2011
年
,
发布并购重组信息公告
的沪深两地上市
A
股公司
,
在公告日前
150
个交
易日到公告日后
30
个交易日的日个股收益率
R
i
,
t
。 (2)2002—2011
年
,
发布并购重组信息公告
的沪深两地上市
A
股公司
,
公告日前第
150
个交
易日到公告日后
30
个交易日的日个股交易股数
V
i
,
t
。 (3)
通过
CSMAR
数据库
,
整理出各上市公
司
2002—2011
年的年报
、
中报
、
季报的公布日期
、
配股说明书发布日期
、
红利分配决案公告日期
。
(4)
从
CSMAR
上市公司并购重组研究数据库和
上市公司财务指标分析数据库中
,
收集了并购重
组年度的期初总资产
、
权益净利率
、
董事会持股比
例
、
资产负债率
、
实际控制人的性质
、
营业收入增
长率
、
公司前
10
位大股东持股比例的平方和
、
流
通股比例和行业类型等相关数据
。
其中
,
行业分
类沿用中国证监会
(1998)
制订的行业分类标准
,
把上市公司划分为十三大类
。
(
二
)
样本选取
本文中的
“
并购重组
冶,
内涵式是广义上的
,
涵盖资产收购
、
股权转让
、
吸收合并
、
资产剥离
、
资
产置换
、
股份回购
、
债务重组
。
选用
2002—2011
年沪深两地上市
A
股公司所发生的并购重组活
动为样本
,
并剔除银行等金融类上市公司
。
同时
,
要求并购重组事件满足下列标准才能作为样本
,
否则予以剔除
:(1)
事件日的界定
。
本文选取首
次宣告日作为事件日
。 (2)
事件日的调整
。
因周
末或节假日停市
、
公司重大事件停牌等情况而无
法取得首次公告日当天的交易数据时
,
将事件日
顺延至首次公告日后产生交易的第一天
,
最多只
能往后顺延两天
,
如仍无法取得数据
,
就删除此样
本
。 (3)
估计期与事件期的选择
。
估计期选为
[ - 150, - 30],
事件期选为
[ - 30,30],
且事件期
内的交易数据要尽可能连续
。
在此基础上
,
本文
进一步放宽选样标准
,[ - 30, - 1]
的时间间隔的
天数之和应当小于等于
10
天
,[ - 1,0]
的时间间
隔休市时可大于
2
天
,
否则间隔的天数之和小于
2
天
,[2,30]
的时间间隔的天数之和应当小于等
于
10
天
,[0,1]
的时间间隔也需调整
。
就估计期
而言
,
只要估计期可以取满
120
天的数据即可
。
(4)
对重大事件予以剔除
。
同一家公司如果在某
次并购重组信息事件期内
,
再一次发布诸如增发
配股
、
其他并购重组事件等公告时
,
就剔除该样
本
。
同时
,
研究对象选取为并购重组总体活动时
,
同一家公司在同一日若发生多起并购重组事件
时
,
就当作同一事项
,
但在研究不同并购类型时
,
就剔除该事项
。
最终得到符合条件的
2 316
个并
购重组公告作为研究样本
。
本文采用
Stata 11郾 0
统计软件进行实证分析
。
(
三
)
研究设计
1郾
计算指标
本文以事件研究法来分析并购重组短期财富
效应
。
计算指标通常采用异常收益率
(Abnormal
Return,
AR
)
和累计异常收益率
(Accumulated Ab鄄
normal Return,
CAR
),
计算模型常用的有市场模
型
、
市场调整模型
、
均值调整模型
。
陈汉文
、
陈向
民
(2002)
[17]
实证结果表明
,
在不同情况下
,
相比
较于市场模型而言
,
均值调整模型对事件研究有
诸多优点
。
本文对异常交易量
(
CAV
)
采用类似均
值调整模型的计算方法
,
并运用
Dellavigna & Pol鄄
let (2005)
[18]
的度量方法
。
由于篇幅所限
,
不再
详细介绍异常收益率和交易量的计算公式
。
2郾
变量定义与模型设定
依据中国证监会
1998
年发布的
《
中国上市公
司分类指引
》
中的行业分类
,
剔除了保险业和金
融业
,
得到了
12
个行业变量
。
除
CAR
和
CAV
以
外的解释变量定义及说明见表
1。
为了检验
H2
和
H3,
构建模型如下
。
模型
1:
CAR
=
琢
0
+
琢
1
ROE
+
琢
2
LIABILITY
+
琢
3
SALEGROWTH
+
琢
4
BOARDSHARE
+
琢
5
HER
-
10 +
琢
6
FLOAT
+
琢
7
LANASSET
+
琢
8
INADAY
+
琢
9
CONTYPE
+
琢
10
CAV
+
移
IND
+
移
YEAR
+
着
(1)
·97·
1...,74,75,76,77,78,79,80,81,82,83
85,86,87,88,89,90,91,92,93,94,...132