中国资本市场并购浪潮与宏观经济的关联性研究

孙 烨，邵方婧，刘金桥

(1.吉林大学 商学院，吉林 长春 130012；2.吉林财经大学 国际交流学院，吉林 长春 130117)

中国资本市场并购浪潮与宏观经济的关联性研究

孙 烨1，邵方婧1，刘金桥2

(1.吉林大学 商学院，吉林 长春 130012；2.吉林财经大学 国际交流学院，吉林 长春 130117)

本文基于中国资本市场并购活动的月度交易数量，利用马尔科夫区制转移模型，检验出中国资本市场不但存在并购浪潮而且并购活动存在高低两个区制。随后使用社会消费品零售总额、汇率、利率、流通中货币、宏观预警指数和股票价格指数这六个指标测度我国宏观经济的运行状况，通过利用向量自回归(VAR)模型、脉冲响应函数以及方差分解方法具体考察了中国资本市场并购浪潮与宏观经济的关联性问题。结果表明：不同滞后阶数的宏观经济变量对并购活动的影响程度和方向都不尽相同，汇率、社会消费品零售总额和流通中货币对并购交易数量的影响较大。在低区制上，流通中货币、利率和股票价格指数的影响更为持久且明显，流通中货币、股票价格指数和宏观预警指数的结构冲击贡献度更大；在高区制上，汇率和利率的影响更为持久且明显，利率、股票价格指数和汇率的结构冲击贡献度更大。

资本市场并购；宏观经济；马尔科夫区制转移模型

一、问题的提出

西方资本市场起步较早，且发生过多次在一段时期内、大规模且相对集中的并购事件，这为并购浪潮的研究奠定了深厚的基础。Nelson[1]最早提出“并购浪潮”的概念，他通过实证研究表明并购活动往往存在时间和行业的集群。并购活动不是时间序列上的随机游走，而是以浪潮的形式出现，即并购具有一定的周期性。其后，不断有学者进行相关研究试图探索并购活动的规律性。Linn和Zhu[2]发现总体并购活动遵循一个稳定的区制转移过程。Kashyap[3]与Barkoulas等[4]分别采用正弦波、长记忆模型和马尔科夫区制转移模型描述并购活动的波动特征，进一步证明了并购浪潮假说。

此外，西方学者还试图探究并购浪潮与宏观经济的关联性，Melicher等[5]与Becketti[6]研究发现并购活动与经济周期相关，在经济周期增长阶段并购活动的数量较多，即Makaew[7]提出的并购活动存在顺周期特征。在宏观经济因素与并购活动的相关性研究方面，Steiner[8]与Uddin和Boateng[9]发现并购活动的数量与GDP、股价、利率以及汇率等因素正相关；而Melicher等[5]则认为并购活动数量与股价和利率等因素负相关，Golbe和White[10]也发现股价负向影响并购；Beckenstein[11]与Nieh[12]的研究并没有发现其与GDP或利率之间存在显著关联。

由于中国资本市场起步较晚且尚不成熟，国内学者对并购浪潮的研究文献较少。唐绍祥[13]认为并购活动水平在高、中、低三种状态之间交替变化的现象即为并购浪潮。唐绍祥[14]最早对中国资本市场并购浪潮成因进行分析，研究发现经济周期波动和利率的变化是形成并购浪潮的重要原因。王林元和王晓慧[15]也将利率视为影响并购活动的重要宏观经济因素，且利率波动与并购活动负相关。此外，后锐等[16]试图用股市波动信息解释中国资本市场并购浪潮的形成，李井林[17]发现股票价格的确是中国并购浪潮形成的重要驱动因素。

鉴于深入分析并购浪潮与宏观经济的关联性问题极为重要，本文首先利用马尔科夫区制转移模型对中国资本市场并购浪潮进行检验。然后利用向量自回归模型、脉冲响应函数和方差分解等方法全面透析和测度中国资本市场并购活动两区制上并购浪潮与宏观经济运行存在的潜在关系，以期在洞悉中国资本市场并购活动运行规律的同时，为其不断完善提供重要的政策建议。

二、中国资本市场并购浪潮的检验

在对并购活动动态轨迹的研究中，通常采用建立并购活动序列自回归模型的方法，考察不同时期并购活动的相依程度和模型的拟合效果，进而判断该模型的预测能力。并购活动交易数量的时间序列模型可以表示为：

(1)

其中，εt|It-1～iidN(0,σ2)。在模型(1)中，假定自回归模型中的均值、系数以及正态分布的方差都为固定常数，模型(1)表明，当期并购活动依赖于前p期的并购活动，然而此模型要求并购活动交易数量的时间序列平稳，该条件并非自然满足，一旦出现技术革新或新政策出台等结构转变，将导致自回归模型的结构也相应变化，此时若仍采用测度稳定时间序列的自回归模型，得到的估计结果将存在较大误差。此外，并购活动交易数量序列的简单自回归模型仅能刻画并购活动中的线性关系，无法全面描绘不同波动程度的并购活动，因此，该模型不能准确刻画并购活动的动态轨迹。鉴于此，将简单自回归模型引入Hamilton[18]提出的马尔科夫区制转移模型，构建模型如下：

(2)

(3)

为估计马尔科夫区制转移模型，需要推导πt、St和St-1基于过去信息集It-1的联合分布密度：

f(πt,St,St-1|It-1)

=f(πt|St,St-1,It-1)Pr(St,St-1|It-1)

(4)

通过式(4)可以得到边际分布：

f(πt|It-1)

(5)

由式(5)可以得到对数似然函数：

Pr(St,St-1|It-1)]

(6)

其中，Pr(St=j,St-1=i|It-1)=Pr(St=j|St-1=i)Pr(St-1=i|It-1)，i,j=1,2。利用计算出的加权项Pr(St,St-1|It-1)更新式(6)，其中πt为t时刻的样本观测值，其具体计算过程如下：

Pr(St=j,St-1=i|It)

(7)

基于t=1，2，…，T时刻的滤子概率迭代式(4)和式(7)，会在f(πt|It-1)中得到相应的加权项，最终得到对数似然值和各时刻的滤子概率。

由于中国资本市场起步较晚，本文选取1997年1月至2016年6月并购交易数量的月度数据，并对其取自然对数用以描绘中国资本市场并购活动的时间动态轨迹，数据来自CSMAR中国上市公司并购重组研究数据库。从中国并购活动的时间动态轨迹来看，在1997—2007年间并购活动波动程度比较大；在2007年之后并购活动的缺口较小，说明并购活动出现了一定的规律性。但尚无法刻画并购活动在何时、何种条件下发生结构性变化，仍需通过马尔科夫区制转移模型描述并购活动的规律性。表1为基于极大似然估计方法的马尔科夫区制转移模型的估计结果，其中，均值参数、自回归系数和方差在不同区制下差异很大，表明并购活动过程中存在明显的两区制，分别称作并购活动低区制和并购活动高区制。从转移概率矩阵可以看出，低区制与高区制在t=1，2，…，T时刻的维持概率较高，分别为0.9536和0.9949；而向其他状态转移的概率较低，分别为0.0464和0.0051。

表1 马尔科夫区制转移模型估计结果

注：**表示在5%水平下显著，()中数值为对应参数的标准差。

图1和图2分别为上述马尔科夫区制转移模型在St=1和St=2处取值的平滑概率，它们刻画了并购活动在t=1，2，…，T时刻所处状态发生转移的概率。从图1和图2可以看出，中国资本市场的并购过程确实发生了结构转变，1997年1月至2007年2月期间，并购水平处于并购活动低区制(St=1的概率Pr(St=1|It)>0.5000)，而在2007年3月至2016年6月期间，并购水平处于并购活动高区制(St=2的概率Pr(St=2|It)>0.5000)。并在并购活动低区制和并购活动高区制之间存在着阶段性的相互变迁，其转折点为2007年，说明资本市场并购活动存在并购浪潮。

图1 马尔科夫区制转移模型 (低区制)

图2 马尔科夫区制转移模型 (高区制)

三、中国资本市场并购浪潮与宏观经济关联性测度

本文选取社会消费品零售总额(CR)、汇率(ER)、利率(IR)、流通中货币(M0)、宏观预警指数(MW)和股票价格指数(STOCK)等六个指标的月度数据测度宏观经济的运行状况。GDP作为描绘宏观经济运行状况的重要指标，由于无法获得其月度数据，使用宏观预警指数作为替代指标。上述指标的月度数据均来自中经网统计数据库。笔者对上述数据以及并购交易数量月度数据进行了X12季节调整并对其取自然对数以消除季节变动和量纲影响，进而利用VAR模型、脉冲响应函数与方差分解方法分别考察中国资本市场并购活动低区制和高区制下并购浪潮与宏观经济的关联性问题。

1. VAR模型测度

标准的VAR (p) 模型具体表示为如下形式：

yt=A1yt-1+A2yt-2+…+Apyt-p+BXt+μt

(8)

其中，yt表示n个维度的内生变量，Xt表示d个维度的外生变量，A1,A2,…,Ap以及B表示系数矩阵，μt表示随机扰动项。

参照VAR模型，本文将六个宏观经济变量设为自变量X1,X2,…,X6，将并购交易数量(BG)视为y序列，根据AIC、SC和LR信息准则确定的最优滞后阶数为2，并购活动低高区制的VAR模型单位根均落在单位圆内，说明其稳定。VAR模型估计结果如表2所示。

表2 并购活动低区制和高区制VAR估计结果

注：( )内为t值。

由表2可知，各宏观经济因素不同滞后阶数对并购交易数量的影响程度和方向均存在差异。在并购活动低区制上，并购交易数量、社会消费品零售总额和利率的滞后1阶对并购交易数量有正向影响，而滞后2阶对并购交易数量存在负向影响。汇率、流通中货币和股票价格指数的滞后1阶和滞后2阶对并购交易数量的影响均为正向，而宏观预警指数的滞后1阶和滞后2阶对并购交易数量的影响均为负向。从影响程度来看，对并购交易数量影响较大的宏观经济因素有汇率、流通中货币和社会消费品零售总额，其滞后1阶和滞后2阶对并购交易数量的影响系数分别为2.7349、4.6730、2.6727、2.3061、0.5869和-2.5953。在并购活动高区制上，并购交易数量、汇率和利率的滞后1阶对并购交易数量存在正向影响，而滞后2阶对并购交易数量存在负向影响，社会消费品零售总额和流通中货币的滞后1阶和滞后2阶对并购交易数量的影响方向与之相反。宏观预警指数的滞后1阶和滞后2阶对并购交易数量的影响均为负向，股票价格指数的滞后1阶和滞后2阶对并购交易数量的影响均为正向。从影响程度来看，对并购交易数量影响较大的宏观经济因素有汇率、社会消费品零售总额和流通中货币，其滞后1阶和滞后2阶对并购交易数量的影响系数分别为3.2628、-4.5454、-1.0745、0.9131、-0.1656和0.6591。

2. 脉冲响应函数分析

我们利用VAR(2)模型进一步测度随机扰动项的具体影响情况：

(9)

通常来讲，由yi引致的冲击所产生的冲击响应函数为：C0,ij,C1,ij,C2,ij,…，而Cs的第i行、第j列元素可以表示为：

Cs,ij=∂yi,t+s/∂μjt,s=0,1,…

(10)

图3和图4分别为并购活动低区制和并购活动高区制下，宏观经济因素对并购交易数量的冲击响应轨迹，其中，横坐标表示冲击发生后的时间间隔(在此指月度)，纵坐标表示冲击反应程度，图中虚线表示1倍标准差范围内的置信曲线。

图3 并购活动低区制下宏观经济因素对并购交易数量的冲击反应

图4 并购活动高区制下宏观经济因素对并购交易数量的冲击反应

对比图3和图4发现，各个宏观经济指标发生1标准单位正向冲击的当月，并购交易数量均没有产生明显变化，而并购交易数量对各宏观经济指标的冲击响应轨迹在不同区制间存在差异。

在并购交易数量对社会消费品零售总额的冲击响应方面，在并购活动低区制上，当发生1标准单位正的冲击后，响应在第2期达到0.0165个单位的正向最大值，而在第3期达到0.0252个单位的负向最大值，自第4期开始并购交易数量的响应基本为零。而在并购活动高区制上，当发生1标准单位正的冲击后，响应在第2期达到0.0157个单位的负向最大值，其后负向冲击响应逐渐减弱，并自第5期开始呈现微弱的正向响应，且一直持续到冲击发生后的第12期。

在并购交易数量对汇率的冲击响应方面，在并购活动低区制上，当发生1标准单位正向冲击后，响应在第3期达到0.0075个单位的正向最大值，此后冲击响应逐渐减弱，自第6期开始呈现负向响应且有逐渐增加的趋势。在并购活动高区制上，当发生1标准单位正向冲击后，响应在第2期达到0.0125个单位的正向最大值，自第3期开始呈现负向响应，并在第6期达到0.0143个单位的负向最大值，此后响应程度逐渐减弱，但处于相对稳定状态。

在并购交易数量对利率的冲击响应方面，在并购活动低区制上，当发生1标准单位的正向冲击后，响应在第2期呈现0.0085个单位的正向最大值，其后均呈现负向响应，并在第5期达到0.0265个单位的负向最大值，此后这一冲击响应程度稍有减弱，但仍处于较为稳定的负向水平。在并购活动高区制上，并购交易数量对利率的冲击响应一直维持在正向水平，其中冲击发生后第2期正向响应达到0.0323个单位的最大值，其后冲击响应程度有所减弱，自第4期开始响应发生缓慢增长。

在并购交易数量对流通中货币的冲击响应方面，在并购活动低区制上，当发生1标准单位正向冲击的响应一直处于正向水平，且在第3期达到0.0729个单位的最大值，其后冲击响应程度逐渐减弱，从第5—12期，响应基本处于0.038个单位的稳定水平。在并购活动高区制上，当发生1标准单位正向冲击后，响应在第2期出现微弱的负向响应，至第3期呈现最大的正向响应，其后冲击响应程度逐渐减弱，至冲击发生后的第12期，响应基本趋近于零。

在并购交易数量对宏观预警指数的冲击响应方面，在并购活动低区制上，当发生1标准单位正向冲击的响应处于负向水平，且在冲击发生后的第3期达到0.0395个单位的负向最大值，其后冲击响应程度逐渐减弱。在并购活动高区制上，当发生1标准单位正向冲击的响应一直处于较微弱的负向水平。

在并购交易数量对股票价格指数的冲击响应方面，在并购活动低区制上，当发生1标准单位正向冲击的响应一直处于正向水平，且在第6期达到0.0312个单位的最大值，此后的冲击响应稍有减弱，但基本稳定。在并购活动高区制上，当发生1标准单位正向冲击响应也一直处于正向水平，其响应程度呈现先增长后下降的趋势，在冲击发生后的第5期，响应达到0.0209个单位的最大值，在第12期的响应基本趋近于零。

3. 方差分解分析

本文运用方差分解方法深入测度结构冲击对内生变量变化水平的贡献程度。总体上看，在两种区制下，并购交易数量对其自身的方差贡献度所占比重均为最大，且有随时间推移递减的趋势。如表3所示，在并购活动低区制上，随着时间的推移，汇率、利率、流通中货币、宏观预警指数和股票价格指数对并购交易数量的贡献度基本呈现逐渐增加的趋势，而社会消费品零售总额对并购交易数量影响的贡献度先增加后减少。除并购交易数量自身外，流通中货币对并购交易数量影响的贡献度最大，股票价格指数和宏观预警指数次之。

表3 并购活动低区制方差分解结果

如表4所示，在并购活动高区制上，随着时间推移，社会消费品零售总额、汇率、利率和宏观预警指数对并购交易数量影响的贡献度基本处于逐渐增加状态，而流通中货币和股票价格指数对并购交易数量影响的贡献度先增加，分别在第8期和第11期达到极大值，其后有微弱降低。除并购交易数量自身外，利率对并购交易数量影响的贡献度最大，而股票价格指数和汇率次之。

表4 并购活动高区制方差分解结果

四、结论与政策启示

本文运用马尔科夫区制转移模型证明了中国资本市场上的并购活动存在明显的两区制，即中国资本市场存在并购浪潮，继而深入分析了并购活动与宏观经济因素之间的关联关系，得到如下研究结论与启示：

首先，在并购活动的两个区制上，对并购交易数量影响较大的宏观经济因素有汇率、社会消费品零售总额和流通中货币。本国货币升值能够反映企业实际财富的增加，会增强企业的并购融资能力。而社会消费品零售总额和流通中货币分别反映了一定时期内人民物质生活水平与市场上货币供给情况，较高的物质文化生活水平为企业并购活动提供了良好的环境氛围，充足的货币供给也有助于企业获取资金，这些因素都会推动企业并购行为的发生。

其次，在并购活动低区制上，流通中货币、利率和股票价格指数对并购交易数量的影响较大且持续时间较长。这可能与并购的资金来源和资金成本有关。并购是企业的一项重大的战略决策，市场上充足的货币供给和较低的利率水平有助于企业获得充足的资金以保障并购活动的顺利完成。此外，股票市场具有信号传递作用，投资人可以根据股票价格指数判断市场趋势，进而做出并购决策。而在并购活动高区制上，汇率和利率对并购交易数量的影响较大且持续时期较长。

最后，通过比较并购活动两区制的宏观经济影响因素，我们发现：在并购活动低区制上，流通中货币、宏观预警指数和股票价格指数对并购交易数量的影响较为重要；而在并购活动高区制上，对交易数量影响贡献度较大的宏观经济因素则是利率、股票价格指数和汇率。流通中货币、宏观预警指数和股票价格指数对并购活动低区制上的影响程度高于其在并购活动高区制上的影响程度，而社会消费品零售总额、汇率和利率对并购活动低区制上的影响程度低于其在并购活动高区制上的影响程度。原因在于，在并购活动低区制上，市场上充足的货币供给、宏观经济良好的运行态势以及繁荣的股票市场均推动了并购行为的发生，有助于并购活动从低区制向高区制转变，促进了并购浪潮的形成，从股东财富最大化的理论来看，并购会增加企业价值，如果并购的增加值超过了并购的成本，企业会做出并购决策。在并购活动高区制上，较高的人民物质文化生活水平、国际资本流动加速以及低利率会降低企业资金使用成本，从而促使企业进行并购。

[1] Nelson，R.L.Merger Movements in American Industry [M].Princeton：Princeton University Press，1959.

[2] Linn，S.C.，Zhu，Z.Aggregate Merger Activity：New Evidence on the Wave Hypothesis [J].Southern Economic Journal，1997，64(1)：130-146.

[3] Kashyap，A.K.What Should Regulators Do About Merger Policy? [J].Journal of Banking & Finance， 1999，23(2)：623-627.

[4] Barkoulas，J.T.，Baum，C.F.，Chakraborty，A.Waves and Persistence in Merger and Acquisition Activity [J].Economics Letters，2001，70(2)：237-243.

[5] Melicher，R.W.，Ledolter，J.，D’Antonio，L.J.A Time Series Analysis of Aggregate Merger Activity [J].The Review of Economics and Statistics，1983，65(3)：423-430.

[6] Becketti，S.Corporate Mergers and the Business Cycle [J].Economic Review，1986，71(5)：13-26.

[7] Makaew，T.Waves of International Mergers and Acquisitions [R].University of South Carolina Working Paper，2012.

[8] Steiner，P.O.Mergers：Motives，Effects，Policies[M].Michigan：University of Michigan Press， 1975.

[9] Uddin，M.，Boateng，A.Explaining the Trends in the UK Cross-Border Mergers & Acquisitions：An Analysis of Macro-Economic Factors[J].International Business Review，2011，20(5)：547-556.

[10] Golbe，D.L.，White，L.J.Catch a Wave: The Time Series Behavior of Mergers[J].The Review of Economics and Statistics，1993，75(3)：493-499.

[11] Beckenstein，A.R.Merger Activity and Merger Theories：An Empirical Investigation[J].The Antitrust Bulletin，1979，24(1)：105-128.

[12] Nieh，C.The Relation Between the Mergers and Acquisitions and Microeconomic Fundaments：The US Evidence[R].Tamkang University Working Paper，2002.

[13] 唐绍祥.我国并购浪潮假说的实证检验[J].财贸经济，2006，(9)：75-80+97.

[14] 唐绍祥.我国总体并购活动与宏观经济变量的关联性研究——对我国并购浪潮成因的分析[J].数量经济技术经济研究，2007，(1)：83-91.

[15] 王林元，王晓慧.影响企业并购的宏观经济因素分析——基于企业并购理论与中国市场实践的实证研究[J].吉林金融研究，2011，(9)：5-10.

[16] 后锐，伍嘉文，罗智.并购浪潮与股市波动：基于Emd的相关性检验与解释[J].系统工程，2013，(9)：44-50.

[17] 李井林.宏观经济环境对并购活动的影响——基于时间序列数据的经验研究[J].经济与管理，2014，(6)：87-94.

[18] Hamilton，J.D.A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle [J].Econometrica，1989，57(2)：357-384.

2017-09-18

孙 烨(1963-)，女，辽宁沈阳人，教授，博士生导师，主要从事公司金融研究。E-mail：rosesmailsy@163.com

F830.9

A

1000-176X(2017)12-0090-07

刘艳)