APP下载

装备制造业上市公司并购绩效研究——基于行业集中度视角

2013-01-24王丽娟郁然韵

财会通讯 2013年4期
关键词:集中度装备制造业

王丽娟 郁然韵

(江南大学商学院 江苏 无锡 214000)

一、引言

并购是公司战略的重要组成部分,是公司进行资本运营的重要手段。产业组织理论认为:企业所属行业的市场结构(Structure)决定企业在市场中的行为(conduct),进而决定市场运行的绩效(Performance),即经典的S—C—P分析框架。就行业环境而言,企业所属的行业或将要进入的行业是对企业直接影响最大的外部因素之一。由于行业发展存在差异,各行业的投资回报率也不相同,所以行业不同,企业的并购绩效也不同。在市场经济中,社会资源总是处于优化配置的过程中,由投资回报率低的行业流向投资回报率高的行业,就目前我国行业并购发展现状而言,我国企业的并购行为并没有呈现出明显的产业倾向,大部分是横向并购,以加强行业集中度和市场份额为目标。由此的现象是:越是细分的行业,并购活动越频繁。其实,企业并购作为一个过程,应遵循先行业后企业,先自身定位后有的放矢搜寻目标的规律(高静美,2009)。一般而言,行业集中度是决定市场结构的基本因素,集中度高的行业往往会存在拥有强垄断势力企业,这种垄断势力可以帮助企业获取超额垄断利润,从而使企业获得垄断收益;然而,过高的行业集中度又会导致企业缺乏创新的动力,最终影响到并购企业的发展前景。那么,横向并购这一会对行业集中度产生影响的企业行为最终会对企业自身的并购绩效产生如何的影响呢?正是存在着以上的疑问,本文选择我国装备制造业上市公司对这一问题进行研究。装备制造业是我国的战略行业,为各行业提供生产必需的技术装备和重要零部件,在技术层面上决定了众多产业的竞争力和发展水平,是我国整个工业的基础与核心。我国正处于加快基础设施建设以及产业转型升级的关键时期,对装备制造业的市场需求巨大,然而,我国的装备制造业却存在着行业低水平重复建设和产能过剩的问题。近年来,我国装备制造行业骨干企业被国外公司并购的案例屡屡发生,这一方面推动着我国装备制造业的变革.另一方面也导致国有企业失去部分主导权,自主研发和自主技术创新面临巨大压力。在此背景下,我国本土装备制造业迫切需要企业通过兼并重组来促进产业结构的优化升级,发展一批具有工程总承包、系统集成和融资能力的大型企业集团,以提高国际竞争力。因此,在当前经济形势下,从市场集中度视角研究我国装备制造业的并购绩效,对于我国装备制造产业政策的制定以及骨干企业的联合重组都有重要的参考价值。本文基于我国装备制造业上市公司财务数据,首先运用数据包络分析法(DEA)中的C2R的DMU排序改变模型,度量公司并购的中长期价值效应;然后采用灰色关联度分析法论证企业的并购绩效与其所处产业的市场集中度之间存在联系;最后采用独立样本T检验法分析他们之间存在怎样的联系。通过本文研究,以期为装备企业实施并购策略,政府建立装备制造业扶持体系,提升我国装备制造业企业整体竞争力提高参考。

二、研究设计

(一)研究方法 国内外在对公司并购绩效的研究主要有两种方法:一种方法是计算并购前后股价变化的非正常收益,称为事件研究法;另一种是运用并购前后财务指标的变化来评价并购绩效的方法,称为财务指标法。事件研究方法有相对成熟的数理基础,己经成为国外研究并购绩效的主流方法。但由于事件研究法所依赖的市场模型是以股价的波动来衡量企业财富的变化的,而国内许多学者认为中国目前的证券市场属于弱式有效阶段(张兵和李晓明,2003),资本市场的有效性存在争议(骆柞炎,2003),同时还存在大量的非流通股等问题,所以国内学者多采用会计法对并购绩效进行验证。然而,运用财务指标法分析并购绩效也存在如下弊端:单指标的会计研究法只能从某一局限的方面来衡量企业的并购绩效,可能存在误导(李广子和刘力,2009);采用综合财务指标系统的会计研究法可能存在信息的重叠,同时在运用因子分析法等进行数据处理时需要一系列的参数估计,带有一定的主观色彩(廖运凤,2010)。此外,Andrade和Stafford(1999)曾指出,在20世纪90年代掀起的以巩固产业发展为主导的新一轮并购浪潮中,产业冲击或并购产业集中现象突出了会计研究法在绩效基准选择方面存在的问题,这些问题还会伴随时滞影响而进一步扩大研究误差。鉴于事件研究法与财务指标法存在的种种弊端,本文运用数据包络分析法(Data EnvelopmentAnalysis,DEA),此种方法是著名运筹学家A.Charnes和W.Cooper等学者在“相对效率评价”概念基础上发展起来的一种系统分析方法。与上述两种方法相比,DEA法具有很强的优越性:第一,可以处理多投入和多产出的情况,无须构建具体的函数形式,避免因采取错误的函数形式得出错误的结论;第二,对于复杂系统,输入、输出指标权重难以确定。DEA方法不必事先确定权重,以决策单元各输入输出的权重为变量就可以得出每个决策单元综合效率的数量指标,从最有利于决策单元的角度进行评价,排除了很多主观因素,具有很强的客观性。

(二)研究假设 产业组织理论认为:企业所属行业的市场结构能够决定市场运行的绩效。一般而言,行业集中度是决定市场结构的基本因素,而并购绩效也是行业运行绩效的重要组成部分。集中度高的行业可以使垄断企业获得垄断收益;而过高的行业集中度又会导致企业缺乏创新的动力,最终影响到行业的发展前景。因此可以推测行业集中度与行业并购绩效会存在一定的关联。具体到我国装备制造业,可以作出如下假设:

假设1:我国装备制造业各子行业的行业集中度与子行业并购绩效的DEA 值之间存在关联

假设2:行业集中度与并购绩效的DEA 值存在正向关系

(三)变量定义 DEA方法的优越性主要体现在多输入和多输出的综台评价,所以在选择输入和输出指标上有一些客观的要求:首先是所选择的指标要能够满足评价,客观反映评价对象的竞争力水平;其次是在技术的角度要避免投入集(产出集)内部指标间具有过强的线性关系;最后还要考虑指标的易获得性。综合以上几点要求,同时借鉴以往国内外DEA文献中使用的指标.最后选取了以下5个指标:输入指标:X1为主营业务成本与主营业务税金及附加之和,这是相对于主营业务收入的投入,可以有效测量企业在进行主营业务经营的过程中所投入的成本性资源。X1=主营业务成本+主营业务税金及附加。X2=三项(营业、管理、财务)费用之和。营业费用是指企业在日常经营过程中发生的各项费用以及专设销售机构的各项经费。管理费用是指企业行政管理部门为组织和管理生产经营活动而发生的各种费用。财务费用是指企业筹集生产经营所需资金而发生的费用。三项费用之和作为可控的财务指标,可以很好地反映企业生产经营过程中投入的费用性资源,(X1+X2)基本可以反映出当期企业为生产经营活动而投入的资源情况。X3=总资产,是企业拥有或者控制的资源,能够为企业带来经济利益。将总资产作为一项输入指标可以更加全面地反映企业为进行生产经营活动而利用资源的情况。输出指标:Y1=净利润,在市场经济条件下,追求利润最大化已成为企业经营的主要目的之一,企业净利润的大小在很大程度上反映企业生产经营的经济效益,表明企业在某一会计期间的最终经营成果。Y2=主营业务收入,是指企业从事的日常经营中的主要活动所产生的收入,一般占企业收入的比重较大,对企业的经济效益有较大的影响。而获取收入是企业日常经营活动最重要的目标之一。

(四)数据来源和样本选取 文中所有的并购事件样本均来自于国泰安信息技术有限公司开发的《中国上市公司兼并收购、资产重组数据库(CSMAR)2007》。上市公司财务数据和其他数据来自于CSMAR数据库、新浪财经、和讯网。其中使用资产或股权作为支付方式获得其他公司股权获得其他公司股权或资产的公司为收购公司,出让资产或股权的公司为目标公司;行业分类则以《国民经济行业分类》国家标准(GB/T 4754-2002)为标准。并购样本的筛选标准如下:(1)并购公告时间完整,剔除没有成功的并购事件;(2)收购公司为上市公司,且属于装备制造业(代码为C34、C35、C36、C37、C39、C40、C41);(3)为突出行业对并购绩效的影响,只选取所有权性质发生变更的横向并购事件;(4)若同一年发生多次并购事件,则取交易额最大的一次作为研究样本。按照以上标准筛选后,最终得到36个并购样本,具体如表(1)所示:

表1 行业分布与并购数目

表2 运用DEA 计算的装备制造业各子行业绩效平均值

图1 各行业并购前后各年度经营绩效均值变化趋势图

表3 各子行业的年均增长率平均值

表4 各子行业行业集中度指标均值(CR8)

三、实证检验分析

(一)描述性统计 根据前文对DEA方法应用的介绍,计算出样本上市公司2004年至2010所有的相对绩效值。为了便于下面的统计分析,将所有上市公司的并购绩效指标值按行业分类列在一张表上,具体如表(2)所示。通过考察所有装备制造业上市公司并购前后各年度平均经营绩效指标值的变化趋势来了解总体并购绩效,并购前后各行业年度的平均经营绩效指标值如图(1)所示。可以直观地发现,接受外资并购前,除了交通运输设备制造业外,其他行业均处于缓慢上升状态。在并购的前后两年,行业的平均绩效开始明显上升,这说明并购已经对于上市公司的经营绩效产生了显著的影响,而在2008年行业绩效又有了明显下降,这很有可能是由2008年的世界金融危机造成的;2009年后行业并购绩效又呈现上升迹象。总体来看,金属制品业交通运输设备制造业的发展与其他行业相比较为平稳;电器机械及器材制造业和通信设备、计算机及其它电子设备制造业的并购效果最为明显,且在2009年经济稍复苏后绩效反弹最快。

(二)灰色关联度分析 根据2004年至2010年装备制造业各子行业DEA绩效平均值可以得出各子行业的年均增长率平均值,如表(3)所示。参考唐晓华、李绍东(2011)的研究成果,可以得到2007年装备制造业各子公司的行业集中度指标均值(CR8),如表(4)所示。根据灰色关联度理论,得出它们的灰色关联度为0.726155说明它们之间存在着明显的关联。

(三)单因素方差分析 通过前节的分析,可以认为装备制造业各子行业并购绩效与各子行业的行业集中度之间存在紧密的联系。本节通过单因素方差分析方法进一步对各行业之间的并购绩效进行比较,检验不同行业之间的并购绩效上的差异。单因素方差分析的结果见表(5)。表(5)是并购前后各年各子行业DEA并购绩效均值的方差分析结果,可以看出各子行业在并购前绩效没有显著的差异。(1)只有在2005年可以看出,交通运输设备制造业的并购绩效要明显优于通信设备、计算机及其它电子设备制造业。(2)在并购后的一年(2008)年金属制品业的并购绩效显著劣于通信设备、计算机及其它电子设备制造业,其它子行业的DEA绩效值差异不明显,但可以看出交通运输设备制造业与金属制品业的绩效值均劣于电气机械及器材制造业与通信设备、计算机及其它电子设备制造业;电气机械及器材制造业劣于通信设备、计算机及其它电子设备制造业。(3)并购后第二年(2009)金属制品业和交通运输设备制造业的绩效都有明显上升,高于电气机械及器材制造业与通信设备、计算机及其它电子设备制造业,其中交通运输设备制造业绩效显著优于后两个行业。(4)并购后第三年(2010)各行业绩效值差异的显著性下降,金属制品业和交通运输设备制造业的绩效开始劣于电气机械及器材制造业与通信设备、计算机及其它电子设备制造业;电气机械及器材制造业优于通信设备、计算机及其它电子设备制造业。综上可以得出,金属制品业和交通运输设备制造业的并购绩效值从未发生显著差异;电气机械及器材制造业与通信设备、计算机及其它电子设备制造业的并购绩效值也未发生显著的差异;同时,前两者的行业集中度相同,后两者的行业集中度相近。从这一角度符合灰色关联度分析的结果,即并购绩效与并购企业的行业集中度有关。从绩效值的大小来看,除2009年之外,各子行业的DEA绩效值排列都符合行业集中度越高,DEA绩效值越低的规律;而在2009年,各子行业的DEA绩效值排列都符合行业集中度越低,DEA绩效值越高的规律。从这一角度也符合灰色关联度分析的结果,并可以得出并购绩效与并购企业的行业集中度存在顺序关系的结论。

表5 装备制造业各子行业的多重比较结果

四、结论与建议

本文通过对我国装备制造业上市公司与2007年发生并购的并购绩效的DEA值分析,得出以下结论:(1)并购事件对制造装备业的DEA绩效值产生了显著的效果;(2)我国装备制造业各子行业并购绩效的DEA值与行业集中度之间存在显著的关联度;(3)行业集中度与并购绩效的DEA值存在顺序关系。总体来看,我国装备制造业各子行业的行业集中度都较高,属于寡占型市场结构,但大多数企业还以简单的制造加工为主,整体竞争力不强。从发达国家先进装备制造企业的发展经验来看,发展大型企业集团和跨国公司仍是未来的方向,只有这样才能够实现规模经济,发挥技术创新优势,增强国际竞争力。本文认为,要通过并购调整我国装备制造业的产业结构,提高企业并购效益,可以从企业和政府两个方面共同努力:在企业层面,企业首先要研究自身所处的市场地位,再根据企业自身的情况制定发展规划,选择合适的并购对象,切忌盲目跟风或因过度依赖并购而缺乏技术创新;在政府层面,首先保证我国对于装备制造业的控制力,限制外资对于行业中骨干企业的并购;其次,应该促进国内相关产业的有效竞争,促进强强联合并防止保护落后;最后,要建立装备制造业政府扶持体系:目前,一些地方装备制造业企业存在巨额债务、经营机制僵化,缺乏应对激烈国际竞争能力的问题,中央政府有必要给予适当保护,一方面鼓励龙头企业做大做强,形成具有工程总承包、系统集成的大型装备制造企业集团;另一方面以市场为纽带,大力发展专业化分工协作,积极引导专业化部件企业向“专、精、特”方向发展,形成优势互补、协调发展的产业格局,提升我国装备制造业企业的整体竞争力。

[1] 唐晓华、李绍东:《我国装备制造业市场集中度实证分析》,《财经问题研究》2011年第6期。

[2] 廖运凤:《中国企业并购前沿问题研究》,知识产权出版社2010年8月第1版。

[3] 北京交通大学中国企业兼并重组研究中心:《中国企业并购年鉴2010》,中国经济出版社2011年1月第1版

猜你喜欢

集中度装备制造业
这些精锐与装备驰援泸定
港警新装备
冰雪制造业的鲁企担当
防晒装备折起来
新广告商:广告业周期性在弱化,而集中度在提升 精读
喜看新中国七十年突飞猛进的制造业
保险公司资本结构、业务集中度与再保险需求研究
煤炭行业未来在提高集中度
近36年昌都市降水集中度与集中期时空变化特征
2014上海民营制造业50强