Международный Институт Экономики и Финансов
advertisement
Международный Институт Экономики и Финансов ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА на тему: « Влияние структуры капитала на выбор стратегии развития: M&A vs органический рост» Студент 4 курса, 1 группы Косов Степан Андреевич Научный руководитель Пирогов Никита Константинович МОСКВА, 2013 год Оглавление. Введение ........................................................................................................................................................ 3 Глава 1. Анализ исследований прошлых лет.............................................................................................. 5 1.1Влияние уровня долга на выбор стратегии развития. ......................................................................... 5 1.2 Целевой уровень долга ......................................................................................................................... 7 1.3 Влияние дефицита долга на стратегию развития. ............................................................................. 8 Глава 2. Методология исследования. ........................................................................................................ 10 2.1 Гипотезы. ............................................................................................................................................ 10 2.2 Теоретическая модель и ожидаемые знаки переменных. ............................................................... 12 2.3.1 Модель для тестирования уровня долга на стратегию развития. .............................................. 12 2.3.2 Модель для определения целевого уровня долга . ...................................................................... 14 2.3.3 Модель для тестирования дефицита долга на стратегию развития. ......................................... 15 Глава 3. Практическая часть ...................................................................................................................... 17 3.1 Данные и описание выборки. ............................................................................................................. 17 3.2 Анализ влияния уровня долга на стратегию развития. .................................................................. 18 3.3 Определение целевого уровня долга. ............................................................................................... 21 3.4 Влияние дефицита долга на стратегию развития. ........................................................................... 22 Заключение ................................................................................................................................................. 25 Список литературы .................................................................................................................................... 27 Приложение 1. Описание переменных. .................................................................................................... 29 Приложение 2. Влияние Total Debt/TA на выбор стратегии ................................................................ 31 Приложение 3. Влияние Total Debt/Equity на выбор стратегии ............................................................. 32 Приложение 4. Влияние short term debt/TA на выбор стратегии ........................................................... 33 Приложение 5 Влияние net debt ratio на выбор стратегии ..................................................................... 34 Приложение 6. Определение целевого уровня долга ............................................................................. 35 Приложение 7. Влияние дефицита долга на выбор стратегии ............................................................... 36 Приложение 8. Влияние overleverage на выбор стратегии .................................................................... 37 Приложение 9. Влияние underleverage на выбор стратегии ................................................................... 38 2 Введение В современном бизнесе для достижения роста и увеличения прибыли компании используют две основные стратегии развития: внутреннюю и внешнюю. Внутренняя осуществляется за счет инвестиций в собственный бизнес. Внешняя - за счет покупки корпоративного контроля другой компании. По результатам исследования KPMG (2013) общий объем сделок M&A с участием российских компаний c 2005 увеличился на 105%, а органических инвестиций на 98%. Наиболее активно стратегия M&A за 2012 использовалась на рынке телекоммуникаций и медиа. Объем сделок увеличился на 19% по сравнению с 2011 годом. Объемы внутреннего инвестирования в отрасли коммунальных услуг выросли на 23%. Это свидетельствует о том, что обе стратегии популярны и широко используются на российском рынке. Тем не менее, когда перед компанией встает вопрос о выборе дальнейшей стратегии роста, компания руководствуется рядом факторов, определяющих какую именно стратегию выбрать. Jensen (1986) первым предложил идею о том, что одним из основных факторов является структура капитала компании. Он доказал, что высокий уровень долга может уменьшать наличие свободных денежных средств. Впоследствии это ограничивает возможности компании развиваться путем слияний и поглощений, так как осуществление данной стратегии требует внушительных затрат. Эту идею стал развивать Bruner (1988). В работе автор исследовал, как неиспользованная возможность привлечения долга “financial slack” влияет на выбор стратегии M&A. Он обнаружил, что компании с относительно низким уровнем долга чаще выбирают стратегию M&A. Trahan (1992) расширил изучаемую проблему и рассмотрел, как структура капитала влияет на стратегию развития в разных индустриях. В более поздних работах Hay and Liu (1998), Sorenson (2000), Luypaert (2005) пытались найти зависимость между уровнем долга и стратегией развития, но результаты Sorenson (2000), Luypaert (2005) оказались весьма противоречащими с более ранними выводами Bruner (1988) и Trahan (1992). Sorenson (2000) продемонстрировал, что уровень долга не влияет на выбор стратегии M&A, а Luypaert (2005) обнаружил положительное влияние задолженности на внешний рост компании. Последним исследованием в этой теме является работа Uysal (2010), в которой автор анализирует не само фактическое влияние уровня долга на стратегию развития, а влияние отклонения реального уровня долга от целевого. С учетом результатов, полученных вышеперечисленными исследователями, можно предположить наличие взаимосвязи между структурой капитала и стратегией развития. 3 Цель данной работы - выявить степень влияния структуры капитала на вероятность развития компании через покупку контроля в других фирмах или внутренние инвестиции. Для достижения поставленной цели в работе предлагается решить следующие задачи. Сделать обзор предыдущих работ по данной теме и определить роль и место структуры капитала в исследовании M&A. Построить гипотезы. Составить эконометрические модели для проверки гипотез. Проверить гипотезы на эмпирических данных российского рынка. Анализ тестирования гипотез будет осуществлен с помощью эконометрических моделей и разделен на две части. В первой части, для определения влияния уровня долга будет использована бинарная логистическая модель. Во второй части двух шаговый подход, предложенный Harford (2009). На первом этапе этого подхода будет составлена регрессия для оценивания целевого уровня долга. На втором этапе логистическая модель, для оценки влияния отклонения фактического уровня долга от целевого на вероятность выбора стратегии развития. Вопрос исследования влияния структуры капитала на выбор стратегии M&A не является новым. Однако, в большинстве работ (Bruner -1988, Luypaert -2005, Uysal-2010) используется ограниченный перечень прокси для определения уровня долга, и не учитывается, что компании, не участвующие в M&A, могут инвестировать во внутреннее развитие. Новизна данной работы заключается в том, что анализ будет базироваться на сравнении только двух стратегий развития и с использованием нескольких прокси для определения структуры капитала. Работа будет построена в следующем порядке. В первой главе будет рассмотрены предыдущие исследования и литература на эту тему. Вторая глава посвящена формулировке гипотез и созданию эконометрической модели. В третьей главе будет представлено описание данных и тестирование гипотез. 4 Глава 1. Анализ исследований прошлых лет В данной главе будут рассмотрены предыдущие исследования, посвящённые влиянию структуры капитала на выбор стратегии развития между M&A и органическим ростом. 1.1 Влияние уровня долга на выбор стратегии развития Один из первых, кто уделил этому вопросу внимание, был Jensen(1986). В своей работе он продемонстрировал, что структура капитала влияет на вид корпоративного инвестирования. По его мнению, менеджеры в фирмах с высоким уровнем свободных денежных средств предпочитают не выплачивать дивиденды, а тратить эти денежные потоки на проекты с низким уровнем доходности, стараясь увеличить размер компании. Привлекая долг, управленцы компании обязуются выплачивать проценты кредиторам, которые уменьшают поток свободных денежных средств. Низкий уровень свободной наличности ограничивает возможность покупки других компаний. Поэтому уровень долга снижает агентские издержки, вызванные свободным потоком денежных средств, и уменьшает вероятность роста компании через M&A. Jensen (1986) предположил, что компании с высоким уровнем долга предпочитают органическое развитие, подтвердил ее, приводя примеры из нефтяного и табачного сектора экономики, и сделал вывод, что чем выше соотношение DEBT/ASSETS, тем вероятность M&A снижается. Еще одной работой по этой теме стала научная статья Bruner (1988). В ней тестировалось, как изменение структуры капитала влияет на мотивы сделки слияния и поглощения. В отличие от предшествующих исследований автор использовал не только стандартные индикаторы долговой нагрузки фирмы, но приспособил их к количеству свободных денежных средств. Bruner первый ввел понятие “financial slack”, которое подразумевало сумму наличных денег у фирмы и неиспользованную возможность привлечения долга. Одной из основных задач было проверить, как уровень “financial slack” изменяется перед сделкой M&A и как влияет на вероятность совершения. Из эмпирических результатов видно, что фирмы, совершающие сделки в год объявления, имеют уровень “financial slack” выше, чем фирмы не участвующие в M&A. В том случае, когда наличные деньги компании не учитываются, результат схож. При анализе более раннего периода (за два года до сделки) результаты исследования показали, что уровень “financial slack” не имеет значения. По мнению Trahan (1992) структура капитала может по-разному влиять на выбор M&A в разных индустриях. Основной целью его работы было определить характеристику 5 фирмы растущей через M&A в различных индустриях. Trahan использовал два соотношения для анализа влияния структуры капитала на стратегию роста фирмы. Заемную возможность компании он измеряет с помощью соотношения debt to equity. Для измерения возможности покрытия долга использует interest expenses to earnings. Используя два соотношения, автор тестировал как уровень debt to equity и interest expenses to earnings повлияют на вероятность компании следовать стратегии M&A в различных индустриях. Из эмпирической части видно, что уровень долга по-разному влияет на вероятность совершения сделки M&A в зависимости от индустрии. В индустрии нефтепереработки компании с низком уровне debt to equity в меньшой степени склонны к выбору стратегии M&A, чем в химической отросли. Поэтому Trahan утверждает, что для создания более значимой модели нужно учитывать влияние индустрии. Ряд более поздних работ также исследуют зависимость между уровнем капитала и стратегией развития. Hay and Liu (1998) анализируют факторы, влияющие на рост компании через слияния. Авторы делят выборку на быстро и медленно растущие компании. Быстрорастущие - это компании, с высоким уровнем роста, вызванным M&A активностью. Их анализ показывает, что в выборке с быстро растущими компаниями уровень долга негативно влияет на совершение сделки. Для компаний, которые предпочитают внутреннее развитие, уровень долга незначим и не является ограничением для развития. В работе Sorenson (2000) получен весьма противоречивый результат по сравнению с более ранними исследованиями. Он обнаружил, что в 1996 году уровень долга не различается между компаниями растущим через M&A и через внутреннее развитие. Для своего исследования он использовал выборку из 735 компаний, которые либо участвовали в M&A либо нет. Различие в результатах, по мнению автора, может быть объяснено другой спецификацией модели. Схожий результат был получен в наиболее современной работе Mathieu Luypaert (2005), где тестировались детерминанты внешнего роста за период 1997-2005 на бельгийском рынке. Оказалось, что уровень долговой нагрузки, посчитанный как (debt/assets) имеет значимую положительную зависимость с внешним ростом. Этот результат, так же противоречит работам Jensen (1986), Hay and Liu (1998). По мнению автора, позитивная зависимость может быть объяснена уменьшением влияния агентских издержек, рассмотренных Jensen (1986), на принятие решения о росте фирмы через M&A. Luypaert считает, что в настоящие время, другие факторы могут влиять на выбор стратегии развития. Например, позитивная зависимостью появляется у компании с высоким уровнем долга, когда в качестве компенсации выпускает акцию для совершения M&A вместо денежной выплаты. Так же автор анализирует влияния банковского долга на стратегию 6 развития. В отличие от общего долга зависимость между банковским долгом и внешним ростом отрицательна. Компании с высоким уровнем заимствования у банка выбирают более консервативную политику развития, так как выплата процентной ставки ограничивает возможность финансирования сделки M&A. 1.2 Целевой уровень долга Исследуя влияние капитала на стратегию развития Uysal(2010) предположил, что анализ может быть более объективен, если анализировать не только фактически уровень капитала, но и целевой. Традиционные теории структуры капитала предполагают, что фирмы имеют целевую (target) структуру капитала, которая зависит от прибыльности финансирования за счет долга. В статье Graham and Havey (2001) утверждается, что только 19% не имеют собственный целевой уровень долга. Из остальных 81% большая часть (44%) имеют определенный целевой уровень капитала, 34% имеют плавающий уровень. Нужно отметить, что большинство крупных компаний придерживаются целевой стратегии. Работа Fama and French (2002) демонстрирует, что компании не только имеют целевой уровень капитала, но и пытаются достичь его. Авторы предполагают, что менеджеры компаний думают о будущем компании так же, как о настоящем. Если компания планирует будущие инвестиции, то менеджеры стремятся достигнуть целевой уровень долга, чтобы избежать финансирования нового проекта за счет высоко рискованных ценных бумаг. В работах Hovakimian, Opler& Titman (2001) и Havakimian, Tehranian (2002), получен схожий результат. Компании выбирают такую инвестиционную политику, которая приближает уровень заемного капитала к оптимальному. Данное утверждение является важным фактом, так как будущая инвестиционная политика может влиять на уровень долга. В доказательство этому Uysal(2010) демонстрирует, что менеджеры компаний с высоким уровнем долга перед сделкой M&A сокращают долг и выпускают акции, чтобы достигнуть оптимального уровня задолженности. Автор утверждает, что такое поведение в основном наблюдается у компаний, которые предпочитают внешнюю стратегию развития. В работе Frank and Goyal (2009) утверждается, что компании, чей уровень долга превышает оптимальный, изменяют структуру капитала намного быстрее, чем компании с низким уровнем. По мнению авторов это обусловлено тем, что низкий уровень долга не ограничивает компанию в привлечении инвестиций. Поэтому можно сделать вывод, что не только уровень долга может влиять на выбор стратегии, но и стратегия развития может повлиять на уровень долга. 7 1.3 Влияние дефицита долга на стратегию развития Однако стоит отметить, что множество компаний демонстрируют отклонения от оптимального уровня. Причинами являются транзакционные издержки Leary and Roberts(2005), ожидаемая инфляция Frank and Goyal (2007) и асимметрия информации Myers and Majluf (1984). Uysal (2010) считает, что частое отклонение от оптимального уровня долга может по-разному влиять на выбор стратегии развития. Для ответа на это вопрос Uysal в своей работе исследует понятие дефицит долга “Leverage Deficit”, который определяется, как разница между реальным уровнем долга и целевым. Основная цель его исследования определить, как дефицит долга влияет на вероятность совершения сделки M&A, и как менеджеры компании могут изменять его в ожидании будущей сделки. Автор основывает анализ на предположении, что дефицит долга уменьшает возможности компании привлечь финансирование для реализации инвестиционного проекта. Если компания превышает запланированный уровень, то вероятность роста компании через M&A снижается. Это приведет к тому, что менеджеры компаний с превышенным уровнем долга будут сокращать его, если они собираются совершить сделку слияния и поглощения. Результаты исследования показывают, что дефицит долга значительно влияет на выбор стратегии. Уменьшение на одно стандартное отклонение дефицита долга увеличивает вероятность выбора стратегии M&A на 10.8% и увеличивает размер сделки на 5.2%. Однако, эффект отклонения от оптимального уровня долга не симметричен для компаний, превышающих оптимальный уровень долга (overleveraged) и для компаний с уровнем долга ниже оптимального (underleveraged). Структура капитала у компаний с уровнем долга ниже оптимального, не влияет на выбор стратегии в то время, как структура капитала у компаний с большей долговой нагрузкой имеет негативный эффект на внешний рост компании. Результаты идентичны для случаев слияния компаний из разных индустрий. Влияние структуры капитала на выбор стратегии развития уже исследуется давно. Одна из первых работ в этой области была Jensen (1986), где автор обнаружил, что уровень долга негативно влияет на M&A, так как проценты выплачиваемые по долгу, значительно сокращают наличие денежных средств. Последователем был Bruner (1988), им впервые было введено понятие “financial slack”, что подразумевает сумму наличных денег у фирмы и неиспользованную возможность привлечения долга. Из эмпирических результатов его 8 работы видно, что фирмы совершающие сделки в “financial slack” выше, чем фирмы не год объявления имеют участвующие в M&A. Trahan уровень (1992) сконцентрировался на влиянии уровня долга на выбор стратегии M&A в различных индустриях. Результат свидетельствуют о том, что один и тот же уровень долга может поразному влиять на выбор стратегии в разных индустриях. Ряд более поздних работ также исследовали зависимость между уровнем задолженности и стратегией развития. Результаты нескольких работ оказались весьма противоречивыми. Работа Luypaert (2005) демонстрируют положительную связь между развитием компании через M&A и уровнем долга, что противоречит теории Jensen (1986) и Bruner (1988). Автор объясняет результат уменьшением влияния агентских издержек на принятия решения о росте через M&A. В работе Sorenson (2000) доказано, что уровень долга вообще не влияет на выбор стратегии развития. Однако, в работе Hay and Liu (1998) уровень долга негативно влияет на рост фирмы через M&A и положительно влияет на внутренний рост, что соответствует результату более ранних работ. Следующим этапом исследования влияния структуры капитала на выбор M&A стала работа Uysal (2010), в которой автор демонстрируют взаимосвязь между дефицитом долга и вероятностью роста через M&A. Результаты исследования показывают, что в случае, когда уровень долга превышает запланированный, вероятность роста через M&A возрастает. В итого можно сделать вывод, что результаты работ разных авторов в исследованной теме не однозначны. Структура капитала по-разному влияет на выбор стратегии M&A. Различие в результатах может быть объяснено использованием разных моделей, выборки и временного промежутка. Данная тема остается актуальной для исследования, так как нет общего признанного мнения. 9 Глава 2. Методология исследования Данная глава будет посвящена разработке гипотез, основанных на обзоре литературы из предыдущей главы. 2.1 Гипотезы Было обнаружено, что не все исследования имеют один и тот же результат в области влияния структуры капитала на выбор стратегии развития компании. В работах Jensen (1986), Bruner (1988), Hay and Liu (1998) утверждается, что уровень долга негативно влияет на выбор стратегии роста компании через M&A. С другой стороны результат работы Luypaert (2005) демонстрируют положительную зависимость. В работе Sorenson (2000) доказано, что уровень долга не влияет на выбор стратегии развития. Даже при условии различия в результатах, можно сделать вывод, что структура капитала является важным фактором при выборе стратегии развития. Поэтому показатель уровня долга может значительно различаться у компаний выбирающих стратегию M&A и стратегию органического развития. Поэтому можно сформулировать следующую гипотезу: Н1: Чем ниже уровень долга у компании, тем вероятность M&A увеличивается по сравнению с органическим ростом. Наиболее часто в качестве прокси для определения уровня долга используется debt to equity Trahan (1992). Помимо этой переменной в исследовании будет использоваться дополнительные переменные, для создания более общей картины. Такие как net debt ratio Bruner (1988), Total debt/TA Luypaert (2005), Short term debt/TA. Где net debt ratio, определяются как: Другим вопросом для исследования является анализ выбора стратегии, основанной на сравнении реального уровня долга и запланированного. Компании, превышающие ожидаемый уровень долга, могут иметь трудность в финансирование сделки M&A по сравнению с компаниями, имеющими уровень долга ниже предполагаемого Uysal(2010). Поэтому можно предположить, что если компания превышает запланированный уровень долга(overleverage), то она выберет внутренние инвестиции. 10 H2: Если фирма Overleverage, то вероятность M&A снижается по сравнению с органическим ростом. Для определения overleverage я буду использовать стандартную интерпретацию Uysal(2010). Выборка будет разделена на четыре равные части в соответствии с дефицитом долга. 25% компаний с наибольшим уровнем долга будут обозначены как overleverage. Так как не все компании превышают запланированный уровень долга Frank and Goyal (2009), можно рассмотреть альтернативный вариант. Компания с уровнем реального долга ниже запланированного может иметь преимущества в выборе стратеги M&A, так как имеет дополнительную возможность привлечь денежные средства для финансирования сделки. H3: Если фирма Underleverage, то вероятность M&A увеличивается по сравнению с органическим ростом. Компании c наименьшим дефицитом долга, принадлежащие первым 25%, будут обозначены как underleverage. Так же можно предположить, что важным фактором влияния на выбор стратегии является не только сам факт превышения запланированного уровня долга, но и величина отклонения - дефицит долга(leverage deficit). Чем больше компания превышает запланированный уровень, тем меньше шансов она имеет для привлечения денежных средств для финансирования сделки M&A. Из этого предположения можно сформировать следующую гипотезу. H4: Чем выше дефицит долга, тем вероятность M&A снижается по сравнению с органическим ростом. 2.2 Теоритическая модель и ожидаемые знаки переменных. Анализ тестирования предложенных гипотез из предыдущей части главы будет делиться на две часть. В первой части, используя адаптированные модели logit и probit, будет проанализирована гипотеза Н1. С помощью модели я смогу определить эффект влияния уровня долга на вероятность выбора стратегии. Во второй части для анализа эффекта отклонения от запланированного уровня долга будет использован двух шаговый подход, предложенный Harford (2009). На первом этапе будет составлена регрессия для оценивания целевого (target) уровня долга, где объясняющими переменными являются детерминанты структуры капитала, найденные в предыдущих исследования. На втором этапе, использовав модели logit и probit, будет найдено как отклонение от запланированного уровня долга влияет на вероятность выбора стратегии. 11 2.3.1 Модель для тестирования уровня долга на стратегию развития Так как зависимая переменная в моей модели фиктивная, то она принимает значение 1, если компания выбирает стратегию M&A, и 0, если органическое развитие. Для тестирования первой гипотезы будет использована модель: Для создания верной спецификации модели и избежание проблемы опущенных переменных в модель будут включены дополнительные объясняющие переменные, влияющие на выбор стратегии между M&A и органическим ростом. Выбор стратегии будет оценен по уровню долга, который будет определяться несколькими прокси, и группой дополнительных детерминантов. Основываясь на литературе Mathieu Luypaert (2006), Trahan (1993), Powell and Yawson (2005), дополнительные детерминанты разделены на три основные группы. К характеристике фирмы относится: ln(size), intangible assets/total assets, dividend payout, asset turnover ratio, return on equity. К характеристике индустрии: industry growth. К характеристике рынка: GDP, Return on index RTS. Выбор дополнительных факторов, влияющих на выбор стратегии, основан на анализе литературы. Полезность от слияния. Mathieu Luypaert(2006) утверждает , что один из основных мотивов для роста через M&A это синергия. Синергия позволяет компании быть более прибыльной, чем индивидуальной компании. С помощью M&A компания может приобрести новые знания и технологии. Чем выше у фирмы intangible capital, тем выше вероятность получения полезности от приобретенных знаний в результате слияния. Размер является еще одним важным фактором. Чем больше размер компании, тем больше возможностей привлечь ресурсы для совершения сделки и тем выше вероятность совершения сделки. Для измерения эффекта от размера компании используется логарифм от общих продаж. Исследование Trahan (1993), Maksimovic and Philips (2001) обнаружили положительную зависимость между размером компании и развитием через M&A. Агентская проблема. Одной из дополнительных причин, по мнению Jensen (1988),Trahan (1993), Mathieu Luypaert (2006), является агентская проблема, связанная с 12 конфликтом между менеджерами и акционерами о выплате денежного потока. Высокий уровень выплаты дивидендов сокращает доступные средства для совершения сделки M&A. Если решение о сделке основано на агентской проблеме, то фирмы с высоким уровнем выплаты дивидендов могут сократить выплаты до совершения сделки. Поэтому выплаты по дивидендам(dividend payout) должны иметь негативную зависимость с внешним ростом компании. Эффективность менеджмента. Не менее важной причиной для совершения сделки Trahan (1993) считает эффективность менеджмента. Если менеджмент компании более эффективен и профессионален, то он имеет больше шансов на получения положительной прибыли от сделки и вероятность роста компании через M&A увеличивается по сравнению с органическим развитием. Для измерения эффективности менеджмента автор использует оборот активов(asset turnover ratio) и рентабельность собственного капитала компании(return on equity). Характеристика индустрии, влияющая на выбор между M&A и органического роста. По мнению Luypaert(2006), не только характеристики самой компании влияют на выбор стратегии. Ситуация в индустрии может создать благоприятные или неблагоприятные условия для роста компании через M&A или внутренние инвестиции. Темп роста индустрии. Powell and Yawson (2005) считает важным детерминантом темп роста индустрии. В своем исследовании они утверждают, что сделки M&A в основном происходят в медленно растущих индустриях. Для предотвращения банкротства компании могут объединять свои активы, чтобы иметь больше ресурсов для выживания. Так же компании в медленно растущих индустриях могут перемещать свои ресурсы на быстро растущие рынки с помощью слияния. Поэтому рост индустрии может быть важным фактором, влияющим на выбор стратегии развития. Характеристика рыночных показателей, влияющая на выбор между M&A и органического роста. Рост рынка. Faccio and Masulis(2005) важным фактором считают общую ситуацию на рынке. Так как многие компании, совершая сделки M&A, расплачиваются акциями, то при росте рынка стоимость акции может быть переоценена. Расплачиваясь переоценённой акцией, менеджеры имеют дополнительный мотив для выбора внешнего вида развития. Рост GDP. Один из основных факторов, влияющих на рынок, это рост GDP. Рост экономики способствует росту доходу компании, что поощряет инвестиции в новые 13 проекты. Эффект от роста GDP на рост компании через M&A двоякий. Guerard(1989) нашел положительную зависимость. Becketti(1986) отрицательную. 2.3.2 Модель для определения целевого уровня долга Для тестирования влияния дефицита долга на стратегию развития, необходимо определить запланированный уровень долга. В большинстве исследований используются одинаковые детерминанты для определения запланированного уровня долга Uysal(2010), Harford (2009), Hovakimian (2001). Поэтому в работе будет использоваться стандартный подход, предложенный в статье Harford (2009). Оптимальный уровень долга определяется пятью основными показателями: размер компании, перспективы роста, уникальность продукции, осязаемость активов. Размер компании. Размер компании является важным детерминантом. Большая фирма имеет больше возможностей привлечь деньги для финансирования проекта, по сравнению с маленькой. Для измерения размера используется натуральный логарифм, так как компания с высоким уровнем продаж предположительно имеет больший размер. Перспективы роста: Чем больше у компании возможностей для роста, тем больше вероятность, что компания откажется от прибыльных проектов из-за высокого уровня долга. Прибыль компании от новых проектов в первую очередь распределяется кредиторам для погашения долга. Поэтому менеджеры компании, максимизирующие прибыль акционеров, будут отказываться от проектов, которые только увеличивают доход кредиторов Myers(1977). Перспективы роста измеряются как market to book. Уникальность продукции (Research and Development) увеличивает издержки при банкротстве, так как сложнее реализовать продукцию. Поэтому уровень запланированного долга снижается. Компании с высоким уровнем затрат на исследование и развитие более специализированы на производстве уникальной и инновационной продукции. 14 Осязаемость активов (assets tangibility): Компании с высоким уровнем осязаемых активов способны больше занимать под залог своих активов и иметь невысокие издержки банкротства, что способствует более высокому уровню запланированного долга. Доход компании: Не менее важным детерминантом запланированного уровня долга выступает доход компании. Влияние, по мнению Harford (2008), может быть двояким. С одной стороны, стандартная теория предполагает, что чем выше доход, тем больше долга может привлечь компания. С другой стороны, высокий уровень дохода означает, что компания имеет больше свободных денежных средств. Поэтому менеджеры компании будут в первую очередь использовать собственные средства для финансирования новых проектов, а потом обращаться к внешним источникам. В целом, зависимость между доходом и уровнем запланированного долга должна быть отрицательна. Для измерения доходности используется . 2.3.3 Модель для тестирования дефицита долга на стратегию развития После определения запланированного уровня долга можно определить, как дефицит долга влияет на вероятность выбора стратегии. Для этого будет использована модель logit и probit, где зависимой переменной будет выбор стратегии: 1 если M&A, 0 если органическое развитие. Объясняющими переменными будет дефицит долга, дамми переменные overleverage, underleverage и дополнительные факторы, влияющие на выбор стратегии развития, которые уже были рассмотрены ранее. Характеристики фирмы: ln(size), intangible assets/total assets, dividend payout, asset turnover ratio, return on equity. Характеристике индустрии: industry growth. Характеристике рынка: GDP, Return on index RTS. 15 Сформулировав гипотезы и модель для тестирования, можно прогнозировать следующий результат. Таблица№1. Прогнозируемый результат Гипотезы Прокси Ожидаемая зависимость Н1: чем ниже уровень долга у компании, тем Total Debt/Equity вероятность M&A увеличивается по сравнению с Net debt ratio органическим ростом. Total Debt/TA ? Short term debt/TA H2: Если фирма Overleverage, то вероятность M&A снижается по сравнению с органическим ростом. 1 if (top 25% of leverage deficit) - 0 if otherwise H3: Если фирма Underleverage, то вероятность 1 if (bottom 25% of M&A увеличивается по сравнению с органическим leverage deficit) ростом. 0 if otherwise + Leverage deficit - H4: Чем выше дефицит долга, тем вероятность M&A снижается по сравнению с органическим ростом. 16 Глава№3. Практическая часть 3.1 Данные и описание выборки Данные о сделках M&A и бухгалтерской отчетности компаний были получены из база данные Bloomberg. Во избежание негативного влияния пропущенных данных, было решено использовать временной промежуток с 2003 по 2012 годы, так как в базе данных за более ранний период отсутствует полная и достоверная информация по российскому рынку. Первоначальная выборка для анализа M&A состояла из 974 компаний. Для более релевантного анализа выборка была ограничена несколькими условиями. Во-первых, сделки с суммой инвестиций меньше одного миллиона долларов не использовались для анализа. Во-вторых, все сделки с недостатком бухгалтерской информации также были исключены. В-третьих, рассматривались только завершённые сделки. В-четвертых, все иностранные компании, совершающие сделки на российском рынке, были исключены. В результате окончательная выборка сократилась до 170 сделок M&A. Данные о внутреннем росте фирмы были взяты из базы данных Bloomberg. Само событие внутреннего развития определялось как капитальные инвестиции(capital expenditure) минус амортизационные издержки. Так как большая часть компаний развивается за счет внутреннего роста, то из выборки были исключены все инвестиции ниже одного миллиона долларов. Дополнительно к этому рассматривались только публичные компании с капитализацией не ниже одного миллиона долларов. Из-за ограничений первоначальная выборка по внутреннему развитию сократилась с 1543 до 293 событий. В итоге, для анализа будут использоваться 170 сделок M&A и 293 события внутреннего роста. Таблица №2 суммирует описательную статистику. Так как в работе рассматривается две возможные альтернативы развития, то в таблице представлена характеристика компаний, выбирающих разную стратегию. Развитие через M&A и внутренние инвестиции (CAPEX). Средний уровень уровня долга к активам компании различается в разных стратегиях: 0,22 для M&A и 0,26 для компаний развивающихся органически. Также видно, что отклонение от запланированного уровня долга в обоих случаях развития превышает запланированный уровень. Среднее для M&A 0,16 и 0,23 Различие в отклонении весьма существенно. для внутреннего развития. Из результатов статистики видно, что уровень долга различается в двух стратегиях. Поэтому можно утверждать, что гипотезы, 17 выдвинутые в предыдущей главе, имеют смысловую нагрузку даже при поверхностном анализе. Таблица 2.Описательная статистика Short term debt Net Debt Ratio Total debt/TA Total debt/ total equity Return on equity Asset turnover Dividend payout GDP Leverage dificit EBITDA/TA TANGIBLE/TA RD/TA Market-to-book Ln(sales) Return on Index Investment size M&A Mean 0,09 0,15 0,22 0,73 16,49 0,78 22,77 4,15 0,16 0,17 0,74 0,00 0,80 8,48 0,01 1383,00 St.dev CAPEX Mean St.dev 0,10 0,16 0,14 0,92 20,53 0,46 60,62 4,27 0,14 0,11 0,37 0,00 1,09 1,79 0,59 1856,00 0,12 0,17 0,26 1,03 11,25 0,93 23,31 3,62 0,23 0,11 0,64 0,00 0,48 6,43 0,11 189,37 0,17 0,20 0,26 1,96 25,90 0,75 54,70 4,77 0,26 0,13 0,46 0,00 0,66 1,44 0,57 609,15 3.2 Анализ влияния уровня долга на стратегию развития В данной главе будет рассмотрено, как уровень долга может повлиять на стратегию развития. Так как в работе анализируется только два вида стратегии развития, то зависимая переменная фиктивная. Принимает значение 1, если компания развивалась через M&A, и 0, если компании следовали внутреннему развитию. Для оценивания фиктивной переменной наиболее подходящей бинарной моделью является logit и probit. В связи с тем, что результат исследования весьма схожи для двух моделей. В работе будет использоваться модель logit. Базируясь на исследованной литературе, для определения эффекта влияния структуры капитала, будет использовано несколько прокси. Сначала будет исследовано как book leverage of debt Luypaert(2006) влияет на принятие решения. В связи с тем, что уровень долга не единственная объясняющая переменная, то в модель будут включены дополнительные объясняющие переменные, которые были найдены в предыдущих исследованиях Luypaert(2006), Powell and Yawson (2005), Faccio and Masulis(2005), Jensen (1988),Trahan (1993). 18 В таблице№3 продемонстрированы результаты переменных влияющих на выбор стратегии развития. Таблица№3. Влияние Total Debt/TA на выбор стратегии Dependent var, M&A C Total Debt/TA Ln(sales) INTANGIBLE/TA Asset tern over Return on equity GDP McFadden R-squared 0,358263 LR statistic 214,0763 Из результатов таблицы Coefficient -8,912 -0,729 1,135 1,122 -0,823 0,010 0,088 St,Dev 0,957 0,389 0,118 0,313 0,235 0,006 0,031 zStatistic -9,315 -1,876 9,646 3,586 -3,503 1,739 2,870 Prob, 0,000 0,061 0,000 0,000 0,001 0,082 0,004 видно, что уровень долга имеет слабую негативную значимость. Только на 10% уровне можно сказать, что уровень долга негативно влияет на выбор стратегии M&A. Если использовать 5% уровень значимости, то гипотеза H1 с прокси book leverage будет отвергнута. Можно сделать вывод, что уровень долга не является важным фактором, влияющим на стратегию развития. Также из результатов таблицы видно, что другие контрольные переменные влияют на выбор стратегии. Размер компании, определенный уровнем продаж, положительно влияет на выбор M&A, что соответствует с работой Luypaert(2006). Чем больше компания, тем выше вероятность выбора M&A. Эффект от синергии, выраженный в intangible assets, демонстрирует положительную зависимость. Это можно объяснить тем, что компания с высоким уровнем нематериальных активов способна больше получить полезности от приобретения новых знаний и технологий в связи с M&A. Что является важным мотивом для слияния. Результат совпадает с работой Luypaert(2006). Эффект от эффективности менеджмента демонстрирует негативную зависимость. Чем ниже оборотность активов, тем больше вероятность развития через M&A по сравнению с внутренним ростом. Результат соответствует с работой Lang (1988), но противоречит работе Trahan (1993). Так же видно, что рентабельность собственного капитала(ROE) является относительно важным мотивом для совершения сделки. Важным контрольным фактором является рост всей экономики, который измеряется ростом ВВП в год совершения сделки. На российском рынке 19 наблюдается положительная зависимость между выбором стратегии M&A и ростом всего рынка. В дополнение к этим контрольным переменным были проанализированы: уровень выплаты дивидендов Trahan (1993), рост индустрии Powell and Yawson (2005), доход индекса RTS Luypaert(2006). Результаты продемонстрировали не исследования дополнительных переменных значимый результат, поэтому было решено исключить их из анализа. В качестве альтернативных прокси для уровня долга часто используются такие переменные как: total debt to equity, net debt Bruner (1988), short term debt/TA. Для анализа эффекта, каждое прокси по отдельности подставлено в модель и оценено с контрольными переменными. Краткий результат представлен в таблице №4. Полный результат можно посмотреть в приложение №2. Таблица№4. Влияние прокси на выбор стратегии Total debt/Equity Short term debt/TA Net debt Coefficient St,Dev zStatistic -0,703 0,395 -1,782 0,075 -1,512 1,025 -1,475 0,140 -1,560 0,929 -1,679 0,093 Prob, Результат из таблицы демонстрируют, что уровень долга в целом имеет негативную взаимосвязь с развитием компании через M&A. Если использовать прокси Total debt/Equity, то эффект влияние незначим на 5% уровне значимости. Можно утверждать, что взаимосвязи нет. Так как долг компании делится на долгосрочный и краткосрочный, то вполне вероятно, что краткосрочные обязательства могут по-разному влиять на выбор стратегии развития. Поэтому отношение краткосрочного долга к активам компании было проанализировано. Из результатов видно, что уровень краткосрочного долга не влияет на выбор стратегии даже на 10% уровне значимости. В соответствие с работой Bruner (1988) было дополнительно проверено, как наличие денежных средств на счете компании влияет на стратегию развития. Для этого использовался уровень долга, приспособленный к свободным денежным средствам. 20 Результат показывает, что уровень долга также имеет слабое влияние на вероятность совершения сделки M&A. 3.3 Определение целевого уровня долга Следующим этапом исследования является анализ отклонения реального уровня долга от целевого. Так как результаты влияния реального уровня долга оказались весьма неоднозначными, то выявление целевого уровня долга для каждой компании может помочь определить влияние структуры капитала на выбор стратегии развития. Целевой уровень долга будет найден с помощью стандартного набора детерминантов, представленных во второй главе. Таблица №5 демонстрирует результаты оценивания запланированного уровня долга. Таблица№5. Определение целевого уровня долга Dependent debt/TA C BASIC MATERIALS FINANCIALS INDUSTRIALS OIL GAS UTILITIES R-squared var, Coefficient -0,045 0,056 0,012 -0,026 -0,374 -0,092 -0,048 0,041 -0,136 -0,125 0,302 Total St,Dev 0,041 0,021 0,005 0,011 0,074 0,027 0,031 0,036 0,032 0,023 zStatistic -1,106 2,694 2,456 -2,442 -5,055 -3,363 -1,529 1,122 -4,314 -5,426 Prob, 0,269 0,007 0,014 0,015 0,000 0,001 0,127 0,262 0,000 0,000 Результаты анализа весьма схожи с более ранними работами Uysal(2010), Harford (2009), Hovakimian (2001). Целевой уровень долга увеличивается с ростом продаж у компании. Коэффициент цена/балансовая стоимость (Market to book) производит негативный эффект. Более того прибыльность компании (EBITDA/TA) также имеет негативную зависимость. Как и в предыдущих исследованиях, материальные активы негативно влияют на целевой уровень долга. Для контроля эффекта индустрии в регрессию были включены фиктивные переменные четырех основных индустрий. Чтобы избежать мультиколлинеарности, контрольная индустрия не использовалась в анализе. Из таблицы 21 видно, что уровень долга в контрольной индустрии (потребительский товар и сервис) значительно меньше, чем в индустрии коммунальных услуг, базовых материалов и нефтегазового сектора. 3.4 Влияние дефицита долга на стратегию развития Финальной стадией исследования является анализ влияния дефицита долга на выбор стратегии развития. Дефицит долга был определен как разница между реальным уровнем долга и целевым. Влияние дефицита долга определенно с помощью модели logit, которая использовалась в предыдущей части исследования. Результаты представлены в таблице №6. Таблица№6. Влияние дефицита долга на выбор стратегии Model logit C Dependent var, M&A Coefficient -9,026 St,Dev 0,956 z-Statistic -9,445 Prob, 0,000 Leverage deficit -0,336 0,155 -2,167 0,030 Ln(sales) INTANGIBLE/TA Asset tern over Return on equity GDP McFadden R0,349 squared LR statistic 208,717 1,117 0,99 -0,832 0,009 0,091 0,116 0,305 0,233 0,006 0,03 9,594 3,245 -3,573 1,538 2,988 0,000 0,001 0,000 0,124 0,003 Опираясь на результаты регрессии можно сделать вывод, что дефицит долга негативно влияет на выбор стратегии развития M&A, что совпадает с исследованием Uysal(2010). Поэтому гипотеза Н4 подтверждается на 5% уровне значимости. Для проверки фактического эффекта превышения целевого уровня долга была использована фиктивная переменная. Выборка была разделена на четыре равные части в соответствии с дефицитом долга. Первые 25% компаний с самым высоким уровнем были обозначены 1 остальные 75% нулем. 22 Таблица№7. Влияние overleverage на выбор стратегии Model logit C Dependent var, M&A Coefficient -8,775 St,Dev 0,971 z-Statistic -9,037 Prob, 0,000 Overleverage -0,608 0,289 -2,096 0,036 Ln(sales) INTANGIBLE/TA Asset tern over Return on equity GDP McFadden Rsquared 0,349 LR statistic 209,717 1,136 0,972 -0,871 0,010 0,096 0,117 0,304 0,231 0,006 0,030 9,706 3,196 -3,773 1,612 3,146 0,000 0,001 0,000 0,107 0,002 Результат регрессионной модели демонстрирует, что те компании, которые значительно превышают уровень целевого долга, редко развиваются через M&A и предпочитают стратегию внутреннего развития. Поэтому гипотеза Н3 не отвергается на 5% уровне значимости. В случае, если компания не превышает целевой уровень долга(underleverage), то результат не симметричен. Коэффициент у underleverage компании положительный, но не значим p-value(0,2084). Из этого следует, что если у компании уровень фактического долга значительно ниже целевого, то она безразлична в выборе стратегии. Схожий результат был найден в работе Uysal(2007). Поэтому гипотеза Н3 отвергается на 5% уровне значимости. Проведенный в данной главе эмпирический анализ позволяет сделать вывод о тестирование предложенных гипотез на российском рынке. С помощью модели logit проанализировано как фактический уровень долга влияет на вероятность выбора стратегии. Для определения уровня долга использовались разные прокси: Total debt/TA, Total debt/Equity, Net debt ratio и short term debt/TA. Можно сделать вывод, что самым репрезентативным является Total debt/TA, так как показал наиболее значимый результат. Проанализировав все результаты, можно сделать вывод, что фактический уровень долга не влияет на выбор стратегии развития на 5% уровне значимости. Поэтому гипотеза Н1 отвергается. Последующий анализ показал, что более важным фактором является не фактический уровень долга, а отклонение фактического уровня долга (дефицит долга) от целевого. На 5% уровне значимости регрессионный анализ показал, что чем больше отклонение от запланированного уровня долга, тем меньше вероятность M&A. Гипотеза 23 Н4 не отвергается. В дополнение было проанализировано как сам факт превышения целевого уровня(overleverage) долга или underleverage влияет на выбор стратегии. Из результатов можно сказать, что эффект не симметричен. Компании, которые значительно превышают целевой уровень долга, предпочитают развиваться через внутренние инвестиции. Компании, которые имеют фактический уровень долга ниже целевого, безразличны к выбору стратегии. Поэтому гипотеза Н2 не отвергается, Н3 отвергается на 5% уровне значимости. 24 Заключение Проанализированная в первой главе литература, посвященная исследованию данной темы, показала, что уровень долга по-разному может влиять на выбор стратегии M&A. Ранние исследования (Bruner -1988, Trahan -1992, Jensen-1986) демонстрировали негативную зависимость между уровнем долга и выбором внешней стратегии развития. В более поздних работах утверждалось, что уровень долга положительно влияет на выбор стратегии M&A (Luypaert-2005), или же вовсе не имеет никакого значения (Sorenson-2000). Исследователи объясняют данный результат уменьшением влияния агентских издержек и другой спецификацией модели. Uysal (2010) обнаружил, что на выбор стратегии может оказывать влияние не только фактический, но и целевой уровень долга. Если он превышается, то вероятность развития компании через M&A сокращается. Во второй главе были сформулированы и обоснованы гипотезы, что фактический и целевой уровень долга влияет на вероятность выбора стратегии. Для определения влияния фактического уровня долга в третьей главе была использована бинарная логистическая модель. Чтобы результат был более объективен, использовались несколько видов прокси для определения уровня долга. Для оценивания эффекта отклонения реального уровня долга от целевого был использован двухшаговый подход, представленный в работе Harford (2009). Данные о сделках M&A и о внутреннем росте компаний были получены из базы данных Bloomberg. Во избежание потери важной информации, было решено использовать временной промежуток с 2003 по 2012 год. Для более релевантного анализа выборка была ограничена несколькими условиями. Во-первых, сделки M&A и внутренние инвестиции с суммой меньше одного миллиона долларов не использовались для анализа. Во-вторых, все события с недостатком бухгалтерской информации так же были исключены. В-третьих, рассматривались только российские компании. В окончательной выборке для анализа использовалось 170 сделок M&A и 293 события внутреннего роста. По итогам проведенного исследования были получены следующие результаты: уровень долга не влияет на вероятность роста компании через M&A по сравнению с органическим развитием на 5% уровне значимости, но демонстрирует негативную зависимость на 10%. Так же было обнаружено, что вероятность выбора M&A сокращается, если компания превышает целевой уровень долга. Дополнительный анализ показал, что 25 эффект от превышения целевого уровня долга не симметричен: там, где уровень долга значительно ниже целевой отметки, он никак не влияет на выбор стратегии роста. Результат о незначимости влияния уровня долга совпадает с работой Sorenson(2000), однако противоречит работам (Bruner -1988, Trahan -1992, Jensen-1986). Эффект влияния дефицита долга совпадает с работой Uysal (2010), а именно чем выше положительное отклонение фактического уровня от целевого, тем ниже вероятность внешнего развития. Анализ результатов говорит о том, что структура капитала имеет значение при выборе стратегии развития, однако основным влияющим фактором является не фактический уровень долга, а целевой. Проведенное исследование может быть дополнено изучением эффекта влияния других прокси для структуры капитала на стратегию развития, в том числе определение эффекта изменения уровня долга за несколько лет до события на выбор стратегии. В работе была осуществлена попытка исследовать данный вопрос, но из-за значительного уменьшение выборки было решено не использовать этот прокси. 26 Список литературы Andrade, G., M. Mitchell and E. Stafford, “New Evidence and Perspectives on Mergers,” Journal of Economic Perspectives, 2001, Vol. 15, pp. 103-120. Bruner, R. F. “The Use of Excess Cash and Debt Capacity as a Motive for Merger” Journal of Financial and Quantitative Analysis, 1988, Vol. 23, pp. 199-217. Becketti, S. (1986), Corporate mergers and the business cycle, Economic Review, Federal Reserve Bank of Kansas City, pp. 13-26. Donald A. Hay and Guy S. Liu. “WHEN DO FIRMS GO IN FOR GROWTH BY ACQUISITIONS?” Faccio, M. and R.W. Masulis (2005), The choice of payment method in European mergers and acquisitions, Journal of Finance 60, pp. 1345-1388. Fama, E.F., and K.R. French, “Testing Trade-Off and Pecking Order Predictions about Dividends and Debt,” Review of Financial Studies, 2002, Vol. 15, pp.1-33 Frank, M., and V. Goyal, "Trade-off and Pecking Order Theories of Debt" forthcoming in Espen Eckbo (ed.) Handbook of Corporate Finance: Empirical Corporate Finance, Vol. 2, 2009. Frank, M., and V. Goyal, 2007, "Capital Structure Decisions: Which Factors are Reliably Important?," Working paper, University of Minnesota and HKUST Graham, J.R., and C.R. Harvey, “The Theory and Practice of Corporate Finance: Evidence from the Field,” Journal of Financial Economics, 2001, Vol. 60, pp. 187-243. Guerard, J.B. (1985), Mergers, stock prices, and industrial production: An empirical test of the Nelson hypothesis. In O.D. Anderson, ed., Time Series Analysis: Theory and Practice, Elsevier, pp. 239-247. Harford, J., S. Klasa, and N. Walcott, “Do Firms Have Leverage Targets? Evidence from Acquisitions” Journal of Financial Economics, 2009, Vol. 93, 1-14. Hovakimian, A., G. Hovakimian, and H. Tehranian, “Determinants of Target Capital Structure: The Case of Dual Debt and Equity Issues” Journal of Financial Economics, 2004, Vol. 71, pp. 517-540 Hovakimian, A., T. Opler; and S. Titman, “The Debt-Equity Choice.” Journal of Financial and Quantitative Analysis, 2001, Vol. 36, pp. 1-24. KPMG «Рынок слияния и поглощений в России (2013)» Jensen, M.C. “Agency Costs of Free Cash Flow, Corporate Finance, and Takeovers” American Economic Review, 1986, Vol. 76, pp. 323-329 27 Leary, M.T., and M.R. Roberts, “Do Firms Rebalance Their Capital Structures?,” Journal of Finance, 2005, Vol. 60, pp. 2575-2619 Lehto, E. and O. Lehtoranta (2004), Becoming an acquirer and becoming acquired, Technological Forecasting and Social Change 71, pp. 635-650. Maksimovic, V. and G. Phillips (2001), The market for corporate assets: Who engages in mergers and asset sales and are there efficiency gains?, Journal of Finance 56, pp. 2019-2065. Mathieu Luypaert 2005. “Determinants of Growth through Mergers and Acquisitions:An Empirical Analysis” Melicher and Rush1973. “ The performance of Conglomerate Firms: Recant Risk and Return experience.” Mullins 1971. “ Corporate Income Taxes and the Cost of Capital.” Myers, S.C. and N.S. Majluf (1984), Corporate financing and investment decisions when firms have information that investors do not have, Journal of Financial Economics 13, pp. 187-221. Powell, R. and A. Yawson (2005), Industry aspects of takeovers and divestitures: Evidence from the UK, Journal of Banking & Finance 29, pp. 3015-3040. Sorenson, D.E. (2000), Characteristics of merging firms, Journal of Economics and Business 52, pp. 423-433. Trahan, E.A. (1993), Financial characteristics of acquiring firms and their relation to the wealth effects of acquisition announcements, Journal of Economics and Finance 17, pp. 21-35. Uysal, V. B., 2006. Deviation from the target capital structure and acquisition choices, AFA 2007 Chicago Meeting Paper Vahap B. Uysal 2009. “Deviation from the Targer Capital Structure and Acquisition Choices.” AFA 2007 Chicago Meeting Paper 28 Приложение 1. Описание переменных Asset turnover BASIC MATERIALS Book Leverage отношение доходов компании к активам фиктивная переменная. Показывает принадлежность компании к индустрии базовых материалов. отношение сумма краткосрочного долга и долгосрочного разделенный к общим активы компании CAPEX инвестиции в собственный бизнес компании. Dividend payout отношение выплаты девидендов к чистой прибыли EBITDA/TA отношение прибыли до вычета расходов по уплате процентов, налогов и начисленных процентов. фиктивная переменная. Показывает принадлежность компании к финансовой индустрии FINANCIALS Intangible assets Leverage deficit неденежные активы, не имеющие физической формы. отклонение фактического уровня долга от целевого. Ln(sales) M&A натуральный логарифм от продаж. фиктивная переменна. Принимает значение 1, если компания выбирает M&A, 0, если CAPEX. Market to book отношение рыночной стоимости компании к общим активам сумма краткосрочного долга с долгосрочным минус денежные средства фиктивная переменная. Показывает принадлежность компании к нефтегазовой индустрии Net debt OIL GAS Overleverage фиктивная переменная. Равна 1, если дефицит долга компании находится в наибольшей четверти. RD/TA отношение научно-исследовательских расходов к общим активам компании процент прибыли, полученный от инвестиции в акцию компании за последний год. Return on equity(ROE) 29 Return on Index рост индекса RTS в год события M&A или CAPEX. Short term debt/TA отношение краткосрочного долга к общим активам компании отношение материальных активов к общим активам компании. общие активам компании. сумма краткосрочного и долгосрочного долга. отношение общего долга к собственному капиталу. Tangible assets/TA TA Total debt Total Debt/Equity Underleverage фиктивная переменная. Равна 1, если дефицит долга компании находится в наименьшей четверти. UTILITIES фиктивная переменная. Показывает принадлежность компании к индустрии коммунальных услуг. 30 Приложение 2. Влияние Total Debt/TA на выбор стратегии Dependent Variable: M_A Method: ML - Binary Logit (Quadratic hill climbing) Sample (adjusted): 1 463 Included observations: 452 after adjustments Convergence achieved after 5 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C TOT_DEBT_TO_TOT_ASSET LN(SALES)_ INTANGIBLE_TA ASSET_TURNOVER RETURN_EQY GDP -8.911911 -0.729047 1.135371 1.121508 -0.823475 0.010364 0.087796 0.956704 0.388613 0.117700 0.312708 0.235061 0.005961 0.030586 -9.315221 -1.876024 9.646275 3.586437 -3.503244 1.738565 2.870491 0.0000 0.0607 0.0000 0.0003 0.0005 0.0821 0.0041 McFadden R-squared S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Restr. deviance LR statistic Prob(LR statistic) Obs with Dep=0 Obs with Dep=1 0.358263 0.484372 0.879345 0.943052 0.904449 597.5400 214.0763 0.000000 283 169 Mean dependent var S.E. of regression Sum squared resid Log likelihood Deviance Restr. log likelihood Avg. log likelihood Total obs 0.373894 0.369593 57.54157 -191.7319 383.4637 -298.7700 -0.424186 452 31 Приложение 3. Влияние Total Debt/Equity на выбор стратегии Dependent Variable: M_A Method: ML - Binary Logit (Quadratic hill climbing) Sample (adjusted): 1 463 Included observations: 452 after adjustments Convergence achieved after 5 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C TOT_DEBT_TO_EQY LN(SALES) INTANGIBLE_TA ASSET_TURNOVER RETURN_EQY GDP -8.966838 -0.703467 1.130860 1.056002 -0.963865 0.004849 0.089539 0.955630 0.394723 0.117498 0.308456 0.245461 0.006511 0.030516 -9.383169 -1.782179 9.624478 3.423506 -3.926752 0.744780 2.934121 0.0000 0.0747 0.0000 0.0006 0.0001 0.4564 0.0033 McFadden R-squared S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Restr. deviance LR statistic Prob(LR statistic) Obs with Dep=0 Obs with Dep=1 0.359176 0.484372 0.878137 0.941845 0.903242 597.5400 214.6219 0.000000 283 169 Mean dependent var S.E. of regression Sum squared resid Log likelihood Deviance Restr. log likelihood Avg. log likelihood Total obs 0.373894 0.368351 57.14494 -191.4590 382.9181 -298.7700 -0.423582 452 32 Приложение 4. Влияние short term debt/TA на выбор стратегии Dependent Variable: M_A Method: ML - Binary Logit (Quadratic hill climbing) Date: 06/15/13 Time: 19:38 Sample (adjusted): 1 463 Included observations: 452 after adjustments Convergence achieved after 5 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C SORT_TERM_DEBT_RATO LN(SALES) INTANGIBLE_TA ASSET_TURNOVER RETURN_EQY GDP -9.459291 -1.511839 1.126100 1.007145 -0.937576 0.008021 0.092273 0.965765 1.025187 0.115935 0.302016 0.235690 0.006037 0.030249 -9.794607 -1.474696 9.713235 3.334746 -3.978003 1.328579 3.050432 0.0000 0.1403 0.0000 0.0009 0.0001 0.1840 0.0023 McFadden R-squared S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Restr. deviance LR statistic Prob(LR statistic) Obs with Dep=0 Obs with Dep=1 0.346213 0.484372 0.895274 0.958981 0.920379 597.5400 206.8762 0.000000 283 169 Mean dependent var S.E. of regression Sum squared resid Log likelihood Deviance Restr. log likelihood Avg. log likelihood Total obs 0.373894 0.361792 58.24769 -195.3319 390.6638 -298.7700 -0.432150 452 33 Приложение 5 Влияние net debt ratio на выбор стратегии Dependent Variable: M_A Method: ML - Binary Logit (Quadratic hill climbing) Date: 06/15/13 Time: 21:58 Sample (adjusted): 1 463 Included observations: 452 after adjustments Convergence achieved after 5 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C NET_DEBT_RATIO LN(SALES) INTANGIBLE_TA ASSET_TURNOVER RETURN_EQY GDP -9.348546 -1.559548 1.105760 0.947679 -0.928685 0.010030 0.093798 0.948341 0.928749 0.115471 0.303194 0.236384 0.005711 0.030466 -9.857790 -1.679193 9.576050 3.125655 -3.928712 1.756268 3.078787 0.0000 0.0931 0.0000 0.0018 0.0001 0.0790 0.0021 McFadden R-squared S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Restr. deviance LR statistic Prob(LR statistic) 0.348886 0.484372 0.891741 0.955448 0.916846 597.5400 208.4730 0.000000 Obs with Dep=0 Obs with Dep=1 283 169 Mean dependent var S.E. of regression Sum squared resid Log likelihood Deviance Restr. log likelihood Avg. log likelihood Total obs 0.373894 0.359946 57.65463 -194.5335 389.0669 -298.7700 -0.430384 452 34 Приложение 6. Определение целевого уровня долга Dependent Variable: TOT_DEBT_TO_TOT_ASSET Method: Least Squares Sample (adjusted): 1 463 Included observations: 463 after adjustments Variable Coefficien t Std. Error t-Statistic Prob. C -0.044991 TANGIBLE_TA 0.056176 LN(SALES) 0.012214 MARKET_TO_BOOK -0.026250 EBITDA_TA -0.374203 BASIC_MATERIALS -0.091605 FINANCIALS -0.047707 INDUSTRIALS 0.040946 OIL___GAS -0.136129 UTILITIES -0.124760 0.040689 0.020854 0.004973 0.010749 0.074033 0.027241 0.031193 0.036482 0.031558 0.022995 -1.105715 2.693763 2.456070 -2.442104 -5.054548 -3.362802 -1.529419 1.122335 -4.313615 -5.425646 0.2694 0.0073 0.0144 0.0150 0.0000 0.0008 0.1269 0.2623 0.0000 0.0000 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 0.263339 0.234638 -0.380363 -0.290995 -0.345181 0.902626 0.302221 0.288357 0.197938 17.74832 98.05398 21.80025 0.000000 35 Приложение 7. Влияние дефицита долга на выбор стратегии Dependent Variable: M_A Method: ML - Binary Logit (Quadratic hill climbing) Sample (adjusted): 1 463 Included observations: 452 after adjustments Convergence achieved after 5 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C LEVERAGE_DIFICIT LN(SALES) INTANGIBLE_TA ASSET_TURNOVER RETURN_EQY GDP -9.025838 -0.336126 1.117022 0.989525 -0.831913 0.009147 0.090817 0.955666 0.155116 0.116435 0.304953 0.232802 0.005946 0.030397 -9.444557 -2.166933 9.593544 3.244845 -3.573474 1.538201 2.987698 0.0000 0.0302 0.0000 0.0012 0.0004 0.1240 0.0028 McFadden R-squared S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Restr. deviance LR statistic Prob(LR statistic) 0.349293 0.484372 0.891202 0.954910 0.916307 597.5400 208.7165 0.000000 Obs with Dep=0 Obs with Dep=1 283 169 Mean dependent var S.E. of regression Sum squared resid Log likelihood Deviance Restr. log likelihood Avg. log likelihood Total obs 0.373894 0.362134 58.35785 -194.4117 388.8235 -298.7700 -0.430114 452 36 Приложение 8. Влияние overleverage на выбор стратегии Dependent Variable: M_A Method: ML - Binary Logit (Quadratic hill climbing) Sample (adjusted): 1 463 Included observations: 452 after adjustments Convergence achieved after 5 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C OVERLEVER LN(SALES) INTANGIBLE_TA ASSET_TURNOVER RETURN_EQY GDP -8.775204 -0.607528 1.136267 0.971943 -0.871332 0.009517 0.095726 0.971068 0.289823 0.117068 0.304079 0.230965 0.005905 0.030428 -9.036650 -2.096203 9.706046 3.196353 -3.772577 1.611625 3.145938 0.0000 0.0361 0.0000 0.0014 0.0002 0.1070 0.0017 McFadden R-squared S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Restr. deviance LR statistic Prob(LR statistic) Obs with Dep=0 Obs with Dep=1 0.349875 0.484372 0.890432 0.954140 0.915537 597.5400 209.0645 0.000000 283 169 Mean dependent var S.E. of regression Sum squared resid Log likelihood Deviance Restr. log likelihood Avg. log likelihood Total obs 0.373894 0.362128 58.35583 -194.2377 388.4755 -298.7700 -0.429730 452 37 Приложение 9. Влияние underleverage на выбор стратегии Dependent Variable: M_A Method: ML - Binary Logit (Quadratic hill climbing) Sample (adjusted): 8 463 Included observations: 452 after adjustments Convergence achieved after 5 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C UNDERLEVERAGE LN(SALES) INTANGIBLE_TA ASSET_TURNOVER RETURN_EQY GDP -9.358134 0.246589 1.121516 0.997492 -0.872604 0.008961 0.091784 0.958234 0.196000 0.116101 0.303014 0.232338 0.005834 0.030220 -9.766020 1.258107 9.659795 3.291904 -3.755749 1.535928 3.037196 0.0000 0.2084 0.0000 0.0010 0.0002 0.1246 0.0024 McFadden R-squared S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Restr. deviance LR statistic Prob(LR statistic) Obs with Dep=0 Obs with Dep=1 0.345218 0.484372 0.896590 0.960297 0.921694 597.5400 206.2815 0.000000 283 169 Mean dependent var S.E. of regression Sum squared resid Log likelihood Deviance Restr. log likelihood Avg. log likelihood Total obs 0.373894 0.362955 58.62258 -195.6292 391.2585 -298.7700 -0.432808 452 38
