中国制造业并购目标的财务特征及预测

赵 息，徐 晓

（天津大学管理与经济学部，天津 300072）

制造业是中国经济的支撑产业，是当下经济转型时期的重点领域，对中国经济的持续健康发展起基础性作用［1－3］。制造业公司的并购研究对其自我完善、自我发展具有重大意义。识别制造业目标公司的特征，能帮助主并公司从公司的财务特征及市场表现中寻找符合要求的目标，帮助管理者制定公司战略决策，实现企业的最大效益；也能使证券投资者识别潜在的目标公司，通过超前的资本市场运作获得超常收益；对于制造业被并购企业的管理层来说，提前意识到是否存在被并购的可能性，能影响公司未来的资本运作及经营。

1 国内外相关文献回顾

自20世纪60年代开始，全球经历了5次并购浪潮。西方学者对并购目标的研究由来已久，也从未停止。由于研究变量及方法模型的不同，目标公司的特征和预测性的研究结果存在差异。SIMKOWITZ［4］认为目标公司的市盈率、股利支付水平、股本增长率低，公司规模小，并指出非财务指标的重要性，用逐步判别模型预测了并购公司的83%和非并购公司的72%。STEVENS［5］利用多元判别分析得到目标公司具有负债水平、息税前利润、短期偿债能力低的特征，模型对并购目标检 验 的 正 确 率 为70%。HASBROUCK［6］根 据Logit分析得到非金融类目标公司的显著特征是具有较低的Q值和流动性，财务杠杆不显著。DIETRICH［7］等则认为财务杠杆存在显著性，采用Logit模 型 能 很 好 地 预 测。PALEPU［8］以 美 国1971—1979年277家制造和采矿业的目标公司为研究对象，发现目标公司增长率低、流动性差、规模小，增长－资源不平衡，采用Logit模型预测了80%的目标公司，较好地解释了并购发生的动机，但难以预测并购的发生，说明具有显著解释能力的模型不意味着可以用于预测。SORENSEN［9］认为引起20 世纪90年代并购的原因和以前不同，财务比率对并购目标的预测能力有限，只有盈利能力具有显著性，而且购买方较之出让方和非并购企业有更大的盈利能力。

中国的研究起步较晚，大多沿用了PALEPU的方法。李善民［10］等以1999—2001年中国A 股市场发生控制权有偿转移的上市公司为样本，得到目标公司的特征为管理层效率低下、财务资源有限、资产规模相对较小、股权较分散、股权流动性较高、市净率较高。Logit回归模型的正确率为71.8%，预测性较好，但并不表明投资者能因此而得 到 超 额 收 益。凌 春 华［11］等 通 过ANOVA 和Logit回归方法，对2003年的上市并购目标进行了实证研究，其财务特征具有明显的可识别性，即管理效率低下、财务杠杆高、流动性差但不显著、经营发展能力低，而无偿划拨的目标公司区别于非目标公司的财务特征不明显。张金鑫［12］等以中国A 股市场2001—2008年的目标公司为样本，采用Logistic回归技术筛选变量并建立并购目标预测模型。研究发现，中国市场上的并购目标公司具有高财务杠杆、低偿债能力、盈利能力差、增长乏力、股权分散、股份流动性强等特点。虽然模型解释能力较强，但其预测准确率不高，在中国市场上预测并购目标是难以实现的。

综上，可以看到前人对并购目标的研究大都取全样本数据，忽视了财务指标的行业特征性，如果不考虑行业因素就进行均值分析会抵消行业间上市公司的财务表现，不能正确表达样本间变量的显著性。本文以2013年中国制造业并购目标为研究对象，从制造业和非制造业并购目标、制造业并购目标和非并购目标两条线展开，运用单因素方差分析来识别中国制造业并购目标的财务特征，并构建Logit回归模型对其预测性作出判断。

2 样本、变量及预测模型

2.1 样本选择

本文研究考虑并购发生最频繁的制造业，样本数据均来自同花顺数据库，并购目标选取2013年度通过股权并购实现控制权转移的。筛选标准如下：1）第一大股东在并购前后发生改变；2）目标公司在并购前一年已经挂牌上市且相关财务数据完整；3）剔除金融保险业。最后得到并购目标共68个，按照证监会行业分类标准，制造业32 个，非制造业36个，制造业占总并购目标的47%，远大于其他行业。考虑到上市公司的绩效可能和公司规模有关，根据制造业并购目标的股本规模，选取等量的制造业非并购目标32个。

2.2 变量选择

本文研究借鉴前人的经验［10－13］，选取反映企业偿债能力、资本结构、盈利能力、营运能力、每股指标、股权集中度、股本结构等7个方面的20个指标作为备选变量，变量描述见表1。

表1 变量描述Tab.1 Description of variables

2.3 预测模型

本文因变量Yit是虚拟变量，制造业非并购目标赋值0，制造业并购目标赋值1，非制造业并购目标赋值2。在因变量是离散的情况下，往往采用判别分析和Logit模型2种方法，由于Logit模型不需要自变量满足严格的多元正态分布的假设，其统计检验更近似于回归分析，所以本文研究采用Logit模型。该模型表示如下：

式中：p表示公司i在年度t被收购的概率；x（t，t－1）为公司i在并购发生前一年各财务指标构成的一组列向量；β为自变量x（t，t－1）的回归系数向量，根据模型计算得到。模型的数值越大，则某公司被并购的可能性越大。

3 实证分析

3.1 单因素方差分析

采用SPSS18.0 软件，对Y＝0 与Y＝1，以及Y＝1和Y＝2这2组样本进行单因素方差检验，结果见表2。

首先，对Y＝1和Y＝0这2组样本进行分析：1）在代表偿债能力的变量中，目标公司的ALR显著高于非目标公司，其CR，QR和CO／D显著小于非目标公司，除了CR外，其他3个变量均在5%的显著性水平下显著，可见目标公司的负债水平高，流动性差；2）代表资本结构的变量方面，D／E和EM虽然在统计上都不显著，但是目标公司的均值大于非目标公司，其杠杆水平更高；3）两者在盈利能力方面显示出很大的差异，非目标公司远大于目标公司，而且代表盈利能力的4个变量均在5%水平上显著，可见目标公司的盈利能力较低；4）代表营运能力的3 个变量都没有通过显著性检验，但是从均值的结果可以看到目标公司的ITO和CTO更高，FTO更低，表明并购方更看重目标公司变现能力强的资产的营运能力；5）代表每股指标的3个变量在5%的水平下均显著，且目标公司的EPS，DEPS，OCF都显著小于非目标公司，每股指标的质量较差；6）代表股权集中度的变量中两类公司的S（1）均值差异不显著；S（10）显著，且目标公司小于非目标公司，其股权更加分散，这种股权结构有利于并购的开展，且有利于并购方在并购中获得控制权；7）两者的国家股和法人股持股比例都不高，变量不显著，目标公司的S（J）较非目标公司低，表明目标公司的股份流动性较高，对并购的实施有利。

其次，分析Y＝1 和Y＝2 这2 组样本，只有GPR显著，其他变量均值都不显著，这与连玉君［13］等认为中国上市公司的财务比率存在显著的行业差异不同。虽然市场环境、行业状况会影响行业间财务特征的表现，但是就并购研究而言，研究样本仅限于被并购的上市公司，制造业和非制造业并购目标的财务特征趋于一致，行业差异不显著。

总体来说，制造业目标公司和非目标公司的ALR，QR，CO／D，ROE，GPR，NPR，TAR，EPS，DEPS，OCF和S（10）在0.05 的显著性水平下显著，制造业目标公司存在可识别的财务特征，即偿债能力低、负债水平高、盈利能力低、流动性资产周转能力强、每股收益水平低、股权流动性强。另一方面，制造业和非制造业并购目标在财务指标均值上不存在显著差异，并购目标在各行业间不存在财务特征上的特殊性。

表2 单因素方差分析结果Tab.2 Results of one－way ANOVA

3.2 多重共线性诊断

当自变量存在多重共线性时，参数估计值的方差会增大，可能将重要的解释变量排除在模型之外，还会使参数估计量的经济含义不合理［14－16］。因此，在模型预测前需要对变量进行多重共线性诊断。本文采用方差膨胀因子（VIF）对在Y＝1和Y＝0间显著的11个变量进行诊断，逐步剔除VIF 值大于10的变量（DEPS，TAR），得到不存在多重共线性的9个变量进入预测模型。

3.3 Logit模型

将通过多重共线性的9个变量ALR，QR，CO／D，ROE，GPR，NPR，EPS，OCF和S（10）代入二元Logit回归模型，依次剔除在回归模型中不显著的变量，最后得到在10%水平下显著的5 个变量，模型结果见表3。

表3 逻辑模型中的变量Tab.3 Variables of Logit model

模型似然比卡方统计量为52.27，NagelkerkeR方为0.42，数值较高。因此，可以认为模型的拟合效果是很好的。此外，HOSMER 和LEMESHOW 拟合优度检验的卡方值为11.40，Sig.等于0.18，大于0.05，检验结果不显著，说明回归模型因变量的实际值与预测值没有显著差异，模型拟合较好。根据表3，得到：

模型的5 个变量均在10%水平下显著，其中ALR，OCF和S（10）在5%水平下显著。在预测模型中，ROE，OCF和S（10）的系数为负数，这3个财务指标越小，制造业中某公司成为并购目标的可能性越大。而ALR和EPS的系数为正数，某公司成为并购目标的概率随ALR和EPS的增加而变大。对于制造业上市公司而言，反映公司偿债能力、盈利能力、每股质量、股权集中度的财务指标对其能否成为并购目标具有很强的解释力，而且公司的负债水平高、收益水平低、每股获利能力强、现金短缺、股权集中度低，则其成为并购目标的可能性越大，这与ANOVA 的分析基本一致。

根据对比样本和目标公司1∶1的数量确定模型预测的概率阈值0.5，即当概率值大于0.5时因变量取1；当预测概率值小于0.5时因变量取0，Logit模型预测结果见表4。其中，非目标公司的预测正确率为65.6%，目标公司的预测正确率为75.0%，并购目标的预测正确率更高，样本的总体预测率为70.4%，准确率较高。这说明用Logit模型对制造业并购目标进行预测在很大程度上是可以实现的。

表4 Logit模型预测结果Tab.4 Forecast results of Logit model

4 结论与启示

本文研究通过ANOVA 分析将2013年中国A股市场制造业并购目标分别和制造业非并购目标、非制造业并购目标进行分析，得出中国制造业目标公司偿债能力低、财务杠杆高、盈利能力低、流动性资产周转能力强、每股收益水平低、股权流动性强。此外，制造业并购目标同非制造业并购目标的财务特征不存在显著的行业差异性，并购目标间的财务状况趋同。构建的Logit模型总体准确率为70.4%，能在很大程度上对制造业并购目标进行预测。

不过，由于制造业上市公司数量众多，模型中对比样本的总体规模远大于样本量，所以今后的研究可以考虑将行业全体非并购目标作为对比公司进行分析，也可以按年度进行纵向对比，以反映制造业的行业动态及市场政策的变化。

／References：

［1］ 苏亚然，赵风林.企业价值评估方法及在企业中的应用［J］.河北工业科技，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，吴迎新.基于要素与目标导向的上市公司内部控 制 评 价 体 系 研 究［J］.河 北 工 业 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］ 顼玉卿，薛会生.产业集群中创新行为主体知识共享策略的演化博弈分析［J］.河北工业科技，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.控制权转移的背景与控制权转移公司的特征研究［J］.经济研究，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］ 凌春华，楼晓霞，廖忠梅.并购目标公司财务特征的实证分析［J］.技术经济与管理研究，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］ 张金鑫，张艳青，谢纪刚.并购目标识别：来自中国证券市场的证据［J］.会计研究，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］ 连玉君，李丹.财务比率的行业特征：差异性及收敛性——基于中国上市公司的非参数检验［J］.南方经济，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，庄新田，曹晓玲.后股份分置时代并购目标公司的特征——基于中国上市公司的经验数据［J］.东北大学学报（自然科学版），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］ 苏国振，何娟.基于粗糙集的银行存货质押业务投资决策研究［J］.河北工业科技，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］ 梅世强，王雪怡.管理者过度自信变量的选择和实证分析——来自中国上市公司的经验证据［J］.河北工业科技，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.