Также встречаются работы, исследующие египетские рынки слияний и поглощений. Например, Ismail et al. (2010) анализировал сделки M&A среди египетских компаний за период 1996-2003гг в строительных и технологических отраслях (construction and technology sectors). Эмпирические результаты показали, что сделки положительно влияют на только на прибыльность строительной отрасли. Такие показатели как ликвидность (liquidity), платежеспособность (solvency) и денежный поток (cash flow position) не были улучшены в результате проведения сделки по обоим типам исследуемых отраслей (Ismail,2011).

Подчеркнем наличие работ российских исследователей. Выделим статью С.А. Григорьевой и П.В.Троицкого "Влияние слияний и поглощений на операционную эффективность компаний на развивающихся рынках капитала (2012). Исследователи получили следующие выводы: сделки слияний и поглощений приводят к увеличению операционной эффективности компаний-участниц сделки. Также авторы акцентируют внимание, что значимыми факторами, которые оказывают влияние на операционную эффективность являются размер сделки и дружественная направленность (Григорьева, 2012).

M.Betschinger и O.Bertrand выявили, что на российском рынке наблюдается снижение рентабельности активов для компаний-поглотителей по сравнению с компаниями, которые не проводили сделки за период 1999-2008 гг. Авторы включали компании в выборку, отвечающим следующим критериям: минимальная объем годового оборота должен быть равен 10 млн евро, из сделок M&A рассматриваются только поглощения, с минимальной долей 50%, причем компания-поглотитель является российской. Всего в выборку было включено порядка 2051 компании, из них поглотителями являются 600 компаний, соответственно, остальные компании входят в контрольную группу. Отметим, также что данные исследователи изучают отдельные эффекты для национальных и международных сделок. В результате авторы приходят к выводу, что влияние международных сделок оказывает менее негативное воздействие, нежели национальных поглощений. В качестве аргументации в работе приводится довод о том, что отношение к национальным и международным сделкам M&A может отличаться. В частности, для проведения международной сделки поглотитель может провести более качественный анализ, учесть различные детали и особенности, на которые не акцентируется внимание при проведении национальной сделки (Betschinger, 2012).

Для более качественного понимания проанализированного метода, обозначим сильные и слабые стороны. Преимуществом метода анализа бухгалтерских данных является его универсальность, простота, наглядность результатов. С другой стороны, метод обладает рядом недостатков. Во-первых, компания может поменять политику бухгалтерского учета, в результате чего сравнивать отчеты разных лет некорректно. Таким образом, сложность в сравнении возникает в рамках одной компании, не говоря уже о сравнении финансовых отчетностей разных стран. Во-вторых, большинство показателей, полученных на основе финансовой отчетности могут не отражать будущие перспективы компании, что является существенным недостатком. В-третьих, финансовая отчетность может быть чувствительна к инфляции ввиду отсутствия корректировки бухгалтерских статей в ответ на различные макроэкономические шоки. В-четвертых, компании могут скрывать реальное положение дел, используя особые бухгалтерские приемы (creative accounting technique) (Хусаинов, 2008).

В заключении данной части представим основные выводы. В настоящей части были детально рассмотрены и проанализированы два основных подхода к исследованию сделок M&A на эффективность функционирования компаний. В рамках каждого подхода были изучены ключевые методологии, позволяющие понять технологию применения метода. Далее был произведен обзор ключевых работ как на развитых, так и на развивающихся рынках. В рамках каждого метода были введены дополнительные классификации, позволяющие структурировать изложение материала. В зависимости от метода были выделены такие классификации как исследуемая сторона (компания-цель, компания-поглотитель, обе компании-участницы сделки, длительность оценки эффектов (краткосрочный, долгосрочный), тип сделки (национальная, международная). Кроме того, в рамках каждого метода были сформулированы преимущества и недостатки, важные для определения дальнейшего использования метода.

Таким образом, задача, связанная с анализом существующих работ, которые оценивают влияние сделки на эффективность функционирования предприятия решена. На основании изученных работ, можем сделать вывод, что сделки M&A на развивающихся рынках капитала являются гораздо менее изученными, нежели исследование процессов M&A на развитых рынка. В связи с растущими экономиками развивающихся стран, а также того факта, что глобализация стирает до определенной степени границы рынков, делая их более взаимозависимыми и взаимосвязанными представляет интерес проанализировать влияние сделок M&A в развивающихся странах и в, частности, в России. Также перспективным полем для анализа является дальнейшее углубление в типы сделок, например, по географическому признаку (domestic, cross-border), а также исследование внешних шоков. Отметим, что дополнительным интересным аспектом для исследования является понимание степени влияния недостатков метода на результаты. Логично предположить, что при исследовании сделок M&A на развивающихся рынках капитала недостатки будут гиперболизированы, а значит, могут привести с существенному ухудшению качества результатов.

На основании анализа ключевых работ, можем сделать вывод, что результаты, за исключением влияния сделок M&A с точки зрения компании-цели, являются противоречивыми. Возможность выявления какого-либо тренда отсутствует, что говорит о высокой чувствительности результатов к характеристикам исследования. Также отметим, что использование определенного метода требует подстройки под ряд допущений и выполнения определенных условий. Так, например, метод анализа кумулятивной анормальной доходности требует выполнения гипотезы эффективности рынка. Однако данная предпосылка может оказаться недостоверной при анализе влияния сделок M&A на развивающихся рынках капитала. Таким образом, учитывая ограничения развивающихся рынков, в рамках настоящего исследования будет сделан выбор в пользу метода анализа бухгалтерской отчетности, а значит, мы будем оперировать понятием операционной эффективности.

2. Постановка исследовательской задачи

Данная часть будет посвящена разработке гипотез на основании проведенного обзора литературы из предыдущей части, а также выбору методологии исследования.

2.1 Разработка гипотез

Прежде чем перейти к разработке гипотез необходимо определить зависимую переменную для модели. В предыдущей части были перечислены группы переменных, которые являются наиболее актуальными с точки зрения исследователей. На основании проведенного анализа и с учетом доступности информации было принято решение осуществить выбор в пользу показателя - рентабельности активов (ROA). Данный показатель применяют такие авторы как Mueller (1980), Akben-Selcuk(2011), Cable et al. (1980), Betschinger (2012).

H1: Размер компании (size of a ?rm) положительно влияет на рентабельность активов (ROA).

Betschinger (2012) полагают наличие положительной зависимости между рентабельностью активов компании и ее размером. Авторы ссылаются на то, что более крупная компания может осуществлять экономию за счет эффекта масштаба. С другой стороны, отрицательная взаимосвязь может проявляться за счет возросших административных или организационных издержек (Hannan and Freeman, 1984), но тем не менее авторы склоняются, что положительный эффект превалирует над отрицательным. В результате авторы в своем исследовании подтверждают данную гипотезу о положительном влиянии величины компании на уровень рентабельности активов.

H2: Платежеспособность компании (solvency ratio) положительно влияет на рентабельность активов (ROA).

Показатель платежеспособности можно рассчитывать несколькими способами. Если отталкиваться от расчета, в основе которого находятся активы (asset based), а не обязательства (liability based), то получается, что высокое значение показателя положительно влияет на рентабельность компании, т.к. это свидетельствует о достаточном объеме финансовых ресурсов, которые компания может направить на развитие своего бизнеса, а также возможности привлечения дополнительного капитала в случае соответствующей потребности.

Отметим, что в работе (Betschinger, 2012) ставится аналогичная гипотеза, однако авторы применяют иной подход к расчету показателя, поэтому получают противоположные выводы. Авторы рассчитывали показатель платежеспособности как сумма текущих и нетекущих обязательств по отношению к общим активам предприятия. На основании построенной модели гипотеза была подтверждена.

H3: Ликвидность компании (Liquidity ratio) может неоднозначно влиять на рентабельность активов (ROA).

Ожидается, что показатель оказывает неоднозначное влияние на зависимую переменную. С одной стороны, чем выше уровень ликвидности, тем легче компании осуществлять погашение займов, поэтому влияние положительное. С другой стороны, некоторый объем «замороженных» финансов может быть направлен на проекты, интересующие менеджеров и противоречащие акционерам компании, что, соответственно, определяет негативную взаимосвязь с уровнем рентабельности. В зависимости от того, какой эффект превалирует и будет определен знак. Отметим, что в работе (Betschinger, 2012) был подтверждено положительное влияние.

H3: Зависимость между спецификой отрасли и рентабельностью требуется определить.

Каждая отрасль имеет свою специфику, в силу чего средние значения показателей рентабельности могут существенно отличаться. На основании информации, полученной из базы данных Ruslana покажем разницу между наиболее и наименее рентабельными отраслями. Рентабельность активов Рентабельность активов по каждой отрасли в данном случае будет взята из базы данных Ruslana, которая рассчитывается как отношение операционной и финансовой прибыли к общим активам предприятия. в данном случае будет рассчитана на основании ТОП-250 самых крупных компаний в рамках каждой отрасли. Более детальная разбивка предоставлена в Приложении 2.

Таблица 8. Сравнение показателей рентабельности по отраслям⁸

%	2004	2005	2006	2007	2008	2009	2010	2011	2012	2013
min ROA	22,0	22,4	24,7	18,6	17,0	11,3	14,4	19,1	16,9	14,2
max ROA	-4,2	1,0	-3,5	2,0	0,5	-3,3	-2,5	-3,4	0,1	-1,9
average ROA	8,2	9,1	7,5	8,4	7,3	4,5	5,4	5,9	5,2	4,0

⁸Источник: на основании информации из базы данных Ruslana

Для большей наглядности представим графическое изображение.

Рис. 1. Сравнение ROA за период 2004-2013¹

¹Источник: на основании информации из базы данных Ruslana

Таким образом, отрасли отличаются по степени технологичности, концентрированности и прочим аспектам, которые в результате оказывают влияние на величину показателя рентабельности. Зависимость требуется определить.

H3: участие государственных органов и государственных компаний в структуре владения компании (control of state ownership) оказывает отрицательное воздействие на рентабельность активов (ROA).

Одна из особенностей российского рынка M&A заключается в том, что в процессах M&A активную роль играет государство. Согласно прогнозам информационно-аналитических отчета, составленного ОАО Газпромбанком в 2013 году - в ближайшие годы активность государства и компаний с участием государства продолжит оставаться значимой составляющей российского рынка M&A.

Рис. 2. Доля сделок с участием государства в общем объеме сделок²

²Источник: составлено на основании данных http://www.gazprombank.ru/invest_bank/obzor/obzor_M_A_2012.pdf

Осуществляя сделку, государство может преследовать цели, не связанные с улучшением операционной эффективности. Таким образом, при проведении самостоятельного анализа крайне важно принимать во внимание сделки с участием государственных структур. Ввиду указанной причины предполагается отрицательное воздействие на рентабельность активов.

Данные регрессоры необходимо включить в модель для снижения ошибки и улучшения качества. Однако отметим, что на основании вышеописанных гипотез нельзя определить эффект от сделки, поэтому перейдем к описанию тех гипотез, которые необходимы для определения влияние сделки на операционную эффективность.

H3: проведение сделки влияет на операционную эффективность. Зависимость требуется определить; при осуществлении последующих сделок M&A может проявляться «эффект обучения», который положительно влияет на рентабельность активов.

В первой части данной работы представлен обзор исследований, посвященных анализу влияния сделок на операционную эффективность на развивающихся рынках капитала. Результаты носят разнонаправленный характер, поэтому представляет интерес оценить влияние сделок на российском рынке и тем самым определить зависимость.

Также в рамках данной гипотезы предполагается отследить эффект от обучения при множественных поглощениях - с каждой новой сделкой компания накапливает опыт. Таким образом, в последующих сделках компания может избежать ряда ошибок и тем самым улучшить финансовый результат от поглощения или слияния (Betschinger, 2012).

Отметим, что при исследовании серийных сделок может возникнуть проблема, связанная с тем, что решение осуществить сделку в текущем году может зависеть от проведения предыдущих сделок, поэтому некоторые исследователи, в принципе, не рассматривают множественность сделок оставляя для анализа только единичные сделки. Однако на российском рынке множественные сделки M&A играют важную роль. Компании могут запускать аквизиционные программы (acquisition program). Так, например, компания ОАО Газпром за период 1999-2008 осуществила более 50 поглощений (Betschinger, 2012). В данных условиях исключать из рассмотрения множественные сделки не является целесообразным.

H4: сравнивая национальные (Domestic MA) и международные сделки (Cross-border MA) ожидаем получить более сильное положительное воздействие для международных сделок (Cross-border MA).

Данная зависимость может быть объяснена тем, что компания-поглотитель может более тщательно готовиться к осуществлению международной сделки и акцентировать внимание на деталях, которые она упускает из вида при осуществлении национальной сделки. Данное обоснование выдвигается в работе (Betschinger, 2012). По итогам проведения эмпирического исследования авторы не получают подтверждение данной гипотезы.

H5: Требуется определить влияние финансового кризиса на эффективность сделки M&A.

Представляет интерес оценить влияние финансового кризиса 2008-2009 гг. с точки зрения изменения влияния сделок M&A на операционную эффективность. В силу специфики расчета регрессоров Total MA, Domestic MA и Cross-border MA нецелесообразно исключать из рассмотрения период в несколько лет. Проблему учета финансового кризиса можно решить путем разделения выборки на кризисный период и остальные года, которые характеризуются отсутствием внешних шоков.

Таким образом, если сделка M&A оказывает положительное влияние на операционную эффективность, то в кризис, когда компания вынуждена действовать быстро и искать не оптимальные пути решения, а использовать те инструменты, которые помогут улучшить положение компании «здесь и сейчас» можно ожидать как усиление эффекта от сделки, так и ухудшение.

Отметим, что (Betschinger, 2012) не выявили особой специфики при исследовании кризисного 2008 года.

H6: Компании с низким показателем прозрачности (transparency ratio) могут скрывать реальное воздействие сделки на операционную эффективность

В рамках данной работы предполагается исследовать влияние сделок M&A на развивающимся рынке. Априори данный рынок характеризуется более слабой институциональной средой, что приводит к сложности в нахождении нужной финансовой информации и непрозрачности сделок M&A. В базе данных Bureau van Dijk рассчитан такой показатель как транспарентность (transparency) компаний. Значение показателя варьируется от 0 до 100 в зависимости от наличия информации о компании на общедоступных ресурсах. Чем выше данный показатель, тем более прозрачной компания является.

Логично предположить, что если компания является менее транспарентной, то она может скрывать реальное финансовое положение путем занижения эффективности функционирования. Единственное возможное исключение составляют публичные компании, акции которых активно котируются на рынке. Именно активных, т.к. несмотря на правовую организационную форму - ОАО, встречаются российские компании финансовая информация которых отсутствует даже в специализированных базах данных, таких как СПАРК и FIRA, а акции не торгуются на рынке

Далее перейдем к описанию переменных.

2.2 Описание переменных

Прежде всего, определимся со способом расчета зависимой переменной. Выбор был осуществлен в пользу показателя рентабельности активов (ROA). Поскольку мы будем оценивать влияние сделки на операционную эффективность, то предполагается за базу взять операционную прибыль. Таким образом, расчет рентабельности активов в рамках данного исследования будет осуществлен следующим образом:

, (8)

где: - операционная прибыль;

- общие активы предприятия.

Далее перейдем к описанию расчета независимых регрессоров. В скобках будет указано название переменной, которые будут использованы в эконометрических моделях:

Размер компании (lnTA)

Предполагается производить расчет величины компании как логарифм от общих активов предприятия (lnTA). Таким образом, величина компании будет являться прокси для ресурсов и возможностей компании (recourses and capacity) (Betschinger, 2012).

Платежеспособность компании (Solvency)

Платежеспособность компании характеризует способность компании погашать свои обязательства в срок. Предполагается воспользоваться показателем, который автоматически рассчитывается в используемой базе данных следующим образом:

, (9)

где: - собственный капитал;

- общие активы предприятия.

Ликвидность компании (lnLiquidity)

В рамках настоящей работы предполагается расчет показателя ликвидности следующим образом:

, (10)

где: - текущие активы;

-запасы;

- текущие обязательства.

По аналогии с работой (Betschinger, 2012) для уменьшения вариации переменной предполагается логарифмировать данную переменную (lnLiquidity).

Отрасль (A, B, C, D, E, F, G, H, K1, S)

Специфика отрасли будет контролироваться через дамми переменные, по каждой исследуемой отрасли.

Таблица 9. Наименование отраслей⁹

Industry Code	Industry
A	Сельское хозяйство, лесное хозяйство и рыболовство
B	Добыча полезных ископаемых
C	Производственные отрасли
D	энергетические отрасли
E	Водоснабжение; канализация, переработка отходов
F	Строительство
G	Оптовая и розничная торговля; ремонт автотранспортных средств
H	Логистика
K1	Холдинги
S	Прочие услуги

⁹Источник: база данных Ruslana

Контроль участия государственных органов и компаний в структуре владения компанией (state ownership)

Аналогичным образом, введем дамми переменную, которая будет принимать ноль, если в собственниках поглотителя отсутствуют государственные структуры и компании, и единица в противном случае.

Общее количество сделок M&A (Total MA)

Данный показатель предполагается рассчитывать следующим образом: ноль - если компания не осуществляет сделку, в противном случае сделке присваивается порядковый номер. В таком случае единственный тип данных, который является приемлемым для анализа - это панельные данные. Ограничение расчета заключается в том, что в год учитывается только 1 сделка.

Обратим внимание, что (Betschinger, 2012) считают эффект от сделки несколькими способами:

- подсчет количества сделок в год t и три предыдущих года;

- декомпозирование переменной, отвечающей за эффект от сделки на 4 части путем подсчета количества сделок в год t, а также количества сделок через один, два и три года, соответственно, после поглощения.

В статье указано, что применение разных принципов расчета не повлияло на результат (Betschinger, 2012).

Количество национальных (Domestic MA) и международных сделок (Cross-border MA)

Данные регрессоры рассчитываются аналогично Total MA, но Domestic MA учитывает только национальные сделки, а Cross-border MA только международные.

Транспарентность компаний (transparency ratio)

Значение показателя транспарентности варьируется от 0 до 100 в зависимости от такого критерия как наличие информации о компании на общедоступных ресурсах. Чем выше данный показатель, тем более прозрачной компания является. Отметим, что данный показатель нужен только для составления подвыборок в рамках анализа его исследования.

На основании описания переменных сформируем сводную таблицу.

Таблица 10. Наименование переменных¹⁰

№	Переменная	Ожидаемый Знак	Наименование
1	Size of a ?rm	+	Размер компании
2	Solvency	+	Платежеспособность компании
3	LnLiquidity	+	Ликвидность компании
4	Industry	+/-	Отрасль
5	Total MA	+/-	Общее количество сделок M&A
6	Domestic MA и Cross-border MA	+/-	Количество национальных и международных сделок
7	Crisis	+/-	Кризис
8	Transparency	-	Транспарентность компаний

¹⁰Источник: составлено на основании данных автора

Выдвижение гипотез и описание переменных позволяет перейти к следующему этапу - выбору методологии.

2.3 Методология исследования

На основании выводов предыдущей части, мы пришли к заключению, что использование метода анализа финансовой отчетности позволит получить более качественные выводы. Далее необходимо определить методологию, которая позволит протестировать гипотезы в рамках построения эконометрической модели. В первой части был произведен обзор нескольких методик в рамках изучения метода анализа финансовой отчетности. С учетом выдвинутых гипотез более обосновано применять методику на основании работы Betschinger (2012). Во-первых, она более подходит для проведения исследования на основе панельных данных. Во-вторых, данная методика требует меньшего объема необходимой информации в рамках каждого наблюдения, что особенно важно, учитывая проблемы поиска необходимой финансовой информации. В заключении отметим, что указанная методика является интересной, сложной и емкой с научной точки зрения, поэтому представлял интерес ознакомится и сформировать собственное исследования на основании методики, используемой в работе Betschinger (2012).

Перейдем к описанию методологии исследования. В соответствии с выбранными гипотезами зададим векторы переменных:

, (11)

где: - рентабельность активов компании i в период t;

- вектор переменных, учитывающий финансовые показатели (determinants of performance);

-вектор переменных, учитывающий эффекты от сделки;

-вектор переменных, учитывающих функционирование компании в j отрасли;

Распишем указанные векторы более подробно.

Вектор включает в себя следующие переменные: lnTA, Solvency, Lnliquidity ratio, state ownership.

В рамках данного исследования лагированные эффекты не будут учтены. Это связано с тем, что включение лагированных переменных может привести к несостоятельности оценок. Например, (Dickerson, 1997) упоминает об этом в своей статье.

Вектор включает в себя следующие переменные: вектор отраслей;

Вектор контролирует следующие параметры: Total MA, Domestic MA и Cross-border MA.

Таким образом, в рамках данного исследования предполагается построение регрессионных моделей на основании панельных данных. Обработка панельных данных будет проведена на основании пакета Stata. В отличие от динамической модели Arrelano-Bond, которую строят в исследовании Betschinger (2012), мы воспользуемся оцениваем моделей со случайными и фиксированными эффектами.

В заключении данной части опишем основные результаты. Во-первых, в данной части были выдвинуты гипотезы для их последующего тестирования. Во-вторых, была показана специфика расчета переменных, а также произведено их описание. В-третьих, была выбрана методология, на основании которой планируется тестировать гипотезы. Особенность выбранной методологии заключается в том, что в модель необходимо включить переменные, не связанные напрямую с влиянием сделок M&A, но тем не менее необходимых, для снижения ошибки модели и повышения ее качества. При проведении эконометрического исследования основной акцент будет ставится на анализ гипотез, непосредственно связанных с влиянием сделки M&A на операционную эффективность компаний.

3.Описание результатов

В данной части будет произведен анализ российского рынка M&A за период 2001-2014 гг., который позволит выявить специфику и особенности. Затем последует описание выборки, на основании которой строится эмпирическая часть исследования. После тестирования гипотез и обсуждения результатов будут описаны возможные дальнейшие направления исследования.

3.1 Анализ рынка M&A в России за период 2000-2014

Развитие российского рынка слияний и поглощений в силу объективных причин началось существенно позже западных стран. Активное формирование рынка M&A началось на стыке XX и XXI веков. Постепенное восстановление экономики после кризиса 1998г. и улучшение экономической конъюнктуры в начале 2000-ых привело к оживлению рынка слияний и поглощений. Развитие фондового рынка также способствовало перераспределению контроля между компаниями. Они стали активно вовлекаться в процессы реструктуризации с целью расширения производственных мощностей, увеличения рыночной власти и поиска других преимуществ. Бум слияний и поглощений в начале 2000-ых гг. характеризовался в основном горизонтальными и вертикальными сделками (Хан, 2004).

Одновременно с ростом рынка слияний и поглощений были запущенны параллельные процессы, например, такие как улучшение законодательства в области антимонопольного регулирования, увеличение потока иностранных инвестиций, оживление финансовых институтов.

Представим динамику емкости российского рынка M&A за период 2001-2014 гг. (Рис. 3.), а среднюю стоимость сделки за аналогичный период (Рис. 4.).



Рис. 3. Объем российского рынка слияний и поглощений, млн. долл.³

³Составлено на основе источника: Mergers.ru

Рис. 4. Средняя цена сделки M&A, млн.$ ⁴

⁴Составлено на основе источника: Mergers.ru

На основании графика, показывающего объем рынка, можем составить вывод об активном росте рынка M&A до 2008 года. Спад с 2008-2010 гг. можно объяснить, во-первых, последствиями кризиса, а во-вторых, постепенным насыщением и замедлением темпов роста рынка M&A. Также стоит принимать во внимание, что резкие скачки объемов рынка могут быть связаны с завершением мега сделок, которые оказывают существенное влияние на общий объем рынка по каждому конкретному году. Именно завершение такой сделки оказало влияние на объем рынка в 2013 году - ОАО Роснефть купила ТНК-BP почти за $55 млрд (Третьяков, 2014).

Рис. 5. Количество сделок слияний и поглощений, млн. долл.⁵

⁵Составлено на основе источника: Mergers.ru

На основании данного графика можем оценить распределение количества сделок по периодам. Как видим, количество сделок не всегда коррелирует с объемом рынка, что также объясняется наличием крупных сделок, тем не менее общие тенденции, связанные со стремительным ростом рынка M&A до 2007 года, а также влиянием финансового кризиса прослеживаются.

Рис. 6. Объем рынка M&A как доля от ВВП, %⁶

⁶Составлено на основе источника: Mergers.ru

На основании графика видим, что наибольший объем рынка по отношению к ВВП наблюдался в 2007 году. Это может быть объяснено тем, что кризис мог более быстро отразиться на ВВП, нежели снижение объема сделок M&A ввиду возможного длительного переговорного процесса.

На основании аналитических отчетов информационного агентства Mergers.ru также были выделены следующие особенности российского рынка слияний и поглощений:

- высокая доля участия государственных структур в общем объеме рынка;

- переход из слабого правового поля к более качественному законодательству, регулирующего рынок M&A;

- множественность сделок, связанная с активным формированием холдинговых компаний 2001-2010 гг.

Таким образом, в данном параграфе был представлен краткий анализ российского рынка слияний и поглощений за период 2000-2014 гг. Были рассмотрены ключевые особенности и специфика данного рынка. Представлен объем рынка M&A в динамике как в абсолютном выражении, так и в относительном как доля от ВВП. Данная информация является важной с точки зрения формирования представления о данном рынке и может помочь объяснить специфику полученных результатов.

3.2 Анализ собранной базы данных

Сбор данных производился на основании баз данных Bureau van Dijk. В частности, сделки M&A были взяты из базы Zephyr, а детальная информация по каждой компании - из базы Ruslana. В таблице представлены основные критерии, по которым формировалась выборка.

Таблица 11 Ограничения выборки¹¹

Общие параметры для выборки
Период исследования	2005-2013 гг.
Выручка	От 10 млн евро
Наличие финансовой информации	Обязательно
Ограничения для компаний, участвующих в сделке
Страна, в которой зарегистрирован поглотитель	Россия
Тип M&A	Только поглощения с долей более 50%
Наличие даты анонсирования сделки	Обязательно
Статус	Завершенные сделки

¹¹Составлено на основании данных автора

Поясним выбранные критерии, ограничивающие выборку. В рамках настоящей работы предполагается исследовать наиболее длительный период. Данным периодом с учетом доступной информации на момент сборки стал 2005-2013 гг. Также отбор компаний для выборки производился по критерию размера компании. Было принято решение отказаться от исследования небольших фирм, т.к. они могут применять менее прозрачные системы бухгалтерского учета, а, следовательно, ухудшить качество результатов, поэтому в выборку вошли компании, которые в соответствии с классификацией базы данных Bureau van Dijk являются либо крупными (выручка находится в диапазоне от 10 млн дол до 100 млн дол), либо очень крупными (выручка составляет более 100 млн дол). Отметим, что в статье Betschinger (2012) выбирается аналогичное ограничение. Что касается наличия информации относительно компании, кроме финансовой отчетности также принимались во внимание: статус компании (активная компания либо банкрот), а также тип собственников (государственные или частные структуры).

В силу того, что контрольная группа компаний, которые не проводили сделку должны быть сопоставимы с компаниями, участвующими в процессе M&A, то соответствующие группы компаний должны функционировать в одинаковых отраслях. Bureau van Dijk предлагает классификацию отраслей по основному сектору (NACE Rev. 2, main section code). Всего в базе выделено порядка 20 таких отраслей (см. Приложение 1).

Что касается критериев для отбора компаний, которые непосредственно участвовали в сделке, то были выдвинуты следующие ограничения. Компания-покупатель должна быть зарегистрирована в России, т.к. предполагается исследователь российский рынок M&A. Ограничение на страну регистрации компании-цели отсутствует для того, чтобы можно было оценить возможную разницу влияния сделок национального и международного характера на операционную эффективность компаний. В качестве минимальной поглощаемой доли было выбрано 50%+1, т.к. владение данным пакетом позволяет принимать существенные решения в управлении компании-цели. В выборку вошли только завершенные сделки, что позволяет сделать вывод об отображенном влиянии сделок M&A в финансовой отчетности.

В заключении описания основных ограничений выделим, что по аналогии с работой Betschinger (2012) такие характеристики сделки как тип компании (публичная или непубличная), сумма сделки и тип оплаты не принимались во внимание в связи с тем, что данная информация отсутствует более, чем для половины процентов наблюдений в отношении компаний-поглотителей. Также в соответствии с указанной выше работой в рамках проведения самостоятельного исследования предполагается исследовать односторонний эффект с точки зрения поглотителей. Отсутствие указанного ограничения привело бы к существенному снижению объема выборки и не позволило провести полное исследование.

В результате в начальную выборку вошло порядка 14 800 наблюдений. Для повышения качества модели были ограничены диапазоны финансовых переменных, а также сокращено количество исследуемых отраслей. Таким образом, в итоговую выборку вошло 12 355 наблюдений, на основании 1 913 компаний. Из них 1 270 - контрольная группа компаний, которые не осуществляли сделку на протяжении всего исследуемого периода. Общая информация представлена в Таблице 12.

Таблица 12 Данные выборки в разрезе отраслей и типа компаний¹²

Код	Отрасль	Компании- поглотители	Не поглотители (контрольная выборка)
A	Сельское хозяйство, лесное хозяйство и рыболовство	27	99
B	Добыча полезных ископаемых	54	66
C	производственные отрасли	264	348
D	энергетические отрасли	67	105
E	Водоснабжение; канализация, переработка отходов	3	19
F	строительство	57	256
G	Оптовая и розничная торговля; ремонт автотранспортных средств	102	362
K1	Холдинги	68	12
S	прочие услуги	1	3
	Общее количество компаний	643	1270

¹²Составлено на основании базы данных Ruslana

Для наглядности представим таблицу, которая покажет общее количество сделок, проведенных в каждой отрасли. При соотнесении количества компаний, участвующих в сделках с общим количеством сделок в каждой отрасли, можно сделать вывод об отраслях, в которых предприятия запускают аквизиционные программы (acquisition programmes). В частности, на основании Рис. 7. можем сделать вывод, что данное явление характерно для всех отраслей за исключением Водоснабжения; канализации, переработки отходов (код - E) и строительства (код - F).

Рис. 7. Количество сделок M&A по отраслям ⁷

⁷Составлено на основании расчетов автора

Далее проанализируем описательную статистику по исследуемым переменным.

Таблица 13. Статистическое описание выборки¹³

Variable	Obs	Mean	Std.dev.	Min	Max
Transparency	12062	25,2529	7,9197	20,0000	100,0000
Total MA	12355	0,1107	0,4556	0,0000	6,0000
Domestic MA	12355	0,0997	0,4219	0,0000	6,0000
Cross-border MA	12355	0,0053	0,0729	0,0000	1,0000
State ownership	12355	0,1367	0,3436	0,0000	1,0000
ROA	12355	0,0871	0,0809	-0,1498	0,3498
lnTA	12355	10,3385	1,5205	-0,3152	19,8330
Solvency	12355	0,3174	0,2530	-0,7033	0,9998
lnLiquidity	12355	-4,8392	0,7464	-9,2103	0,0680

¹³Составлено на основании выборки автора в программе Stata

Проведем анализ значений регрессоров на основании таблицы, а также первичной обработанной информации.

Показатель транспарентности (transparency) варьируется в диапазоне от 20 до 100. Обратим внимание, что в выборку попали только крупные компании, годовой оборот которых превышает 10 млн евро, но несмотря на данный факт прозрачность компании может быть низкой, в чем заключается специфика российского рынка.

Таблица 14. Данные выборки в разбивке показателя транспарентности¹⁴

Показатель транспарентности	Количество компаний-поглотителей	Количество компаний, не проводивших сделку
0	0	0
10	0	0
20	121	704
30	250	555
40	8	0
50	28	9
60	0	1
70	0	0
80	1	0
85	1	0
90	2	0
95	1	0
100	21	1
n.a.	210	0
Общее количество компаний	643	1270

¹⁴Составлено на основании расчетов автора

Регрессор Total MA согласно данным выборки ранжируется в диапазоне от 0 до 6. 0 означает, что компания не участвует в сделке, 1-6 - характеризует количество сделок компании на каждый конкретный год. Аналогичным образом интерпретируются значения для регрессоров Domestic MA и Cross-border MA. На основании полученных значений видим, что множественные сделки для международных поглощений отсутствует.

В таблице показана статистика по количеству компаний, в отношении которых более 50% принадлежит государственным структурам (State ownership). На основании таблицы можем сделать вывод, среди всех поглотителей доля компаний, которыми владеет государственные структуру составляет 15%, а для контрольной выборки аналогичный показатель равен 13%.

Таблица 15. Данные выборки в разрезе отраслей, типа компаний и фактора государственного участия ¹⁵

Код	Отрасль	Компании- поглотители с государственным участием	Не поглотители (контрольная выборка) с государственным участием
A	Сельское хозяйство, лесное хозяйство и рыболовство	2	9
B	Добыча полезных ископаемых	7	13
C	производственные отрасли	34	23
D	энергетические отрасли	22	66
E	Водоснабжение; канализация, переработка отходов	0	6
F	строительство	4	17
G	Оптовая и розничная торговля; ремонт автотранспортных средств	14	36
K1	Холдинги	13	1
S	прочие услуги	0	0
	Общее количество компаний	96	171

¹⁵Составлено на основании изученных статей

Рентабельность активов ограничена интервалом от минус 14% до плюс 35%, следовательно, в выборку включены как успешно функционирующие компании, так компании, характеризующиеся отрицательной операционной прибылью. Для сравнения приведем диапазон рентабельности в работе Betschinger (2012), который составил от минус 8% до 59%. Остальные показатели (TA, Solvency, Liquidity) рассчитаны непосредственно в используемой базе данных Ruslana. Для уменьшения вариации таких показателей как общие активы (TA) и платежеспособность (Solvency) были взяты логарифмы по аналогии с работой Betschinger (2012). Отметим, что в случае, если показатель платежеспособности принимает отрицательное значение, это означает, что нераспределенная прибыль (убыток) меньше нуля. С нашей точки зрения, это основной аргумент, объясняющий отрицательное значение платежеспособности в рамках технологии расчета, предложенного в базе данных Ruslana.

Далее рассмотрим корреляционную матрицу для определения степени независимости для регрессоров.

Таблица 16. Корреляционная матрица16

	Total MA	Domestic MA	Cross-border MA	State ownership	lnTA	Solvency	ln Liquidity
Total MA	1,00
Domestic MA	0,94	1,00
Cross-border MA	0,25	-0,02	1,00
State ownership	0,03	0,03	0,00	1,00
lnTA	0,43	0,40	0,15	0,14	1,00
Solvency	0,11	0,10	0,03	0,20	0,14	1,00
lnLiquidity	0,10	0,09	0,03	0,06	0,14	0,36	1,00

¹⁶Составлено в программе Stata на основании собранной базы данных

Единственное высокое значение корреляции наблюдается между Total MA и Domestic MA. Напомним, что Domestic MA строится на основании Total MA, поэтому данная взаимосвязь логически оправданна. Кроме того, данные регрессоры будут применятся в разных моделях, поэтому в данном случае высокий коэффициент корреляции не представляет беспокойства. Таким образом, на основании представленной матрицы видим, что корреляция между регрессорами находится в норме.

3.3 Тестирование гипотез и интерпретация результатов

Прежде чем перейти к тестированию гипотез необходимо определить какой тип моделей больше подходит для проведения анализа - модель с фиксированными эффектами (xtreg, fe) или модель со случайными эффектами (xtreg, re). Выбор между моделями позволяет осуществить тест Хаусмана.

В Приложение 3 вложены базовые модели с фиксированными и случайными эффектами, а также результат теста Хаусмана. На основании данного теста было получено следующее:

chi2(5) = 21.10, Prob>chi2 = 0.0008 (12)

Отметим, что модели для проведения теста Хаусмана были построены без дамми переменных по отраслям, т.к. включение последних приводит к тому, что разница V_b-V_B не является положительно-определенной.

Результаты свидетельствуют о том, что для исследования подходит модель с фиксированными эффектами. Проверка всех дальнейших гипотез будет осуществляться на основании моделей с фиксированными эффектами.

Далее перейдем к тестированию гипотез, выдвинутых в предыдущей части.

Таблица 17. Влияние Total MA на операционную эффективность¹⁷

ROA	t	Standard errors
Total MA	0,00450***	(0,00168)
State ownership	-0,00957***	(0,00222)
lnTA	-0,00569***	(0,000552)
Solvency	0,102***	(0,00316)
lnLiquidity	0,00647***	(0,000997)
A	0,0274***	(0,00627)
B	0,0649***	(0,00645)
C	0,0480***	(0,00590)
D	0,0316***	(0,00621)
F	0,0372***	(0,00598)
G	0,0497***	(0,00593)
K	0,0337***	(0,00790)
S	0,0359**	(0,0154)
_cons	0,102***	(0,00972)
N	12355
* p<0.10, ** p<0.05, *** p<0.01

¹⁷Составлено на результатов модели в программе Stata

На основании представленной таблицы можем сделать вывод, что сделка M&A оказывает положительное влияние на операционную эффективность компании-поглотителя, следовательно, присутствует и эффект обучения, о чем свидетельствует положительный коэффициент перед регрессором Total MA. Если в структуре владения компании присутствуют государственные структуры, то это оказывает негативное влияние на рентабельность, т.к. может свидетельствовать об иных целях владения, отличных от максимизации стоимости компании. Величина компании отрицательно влияет на показатель ROA. Отметим, что при определении корреляции между размером компании и уровнем долговой нагрузки была выявлена сильная положительная корреляция, которая составила 0,9383. Поэтому с увеличением компании может наблюдаться повышение долгов, что в результате приводит к негативному влиянию на рентабельность. Показатели платежеспособности и ликвидности также оказывают положительное воздействие на операционную эффективность. Выделим, что полученные знаки показателей платежеспособности и ликвидности совпадают с аналогичными регрессорами в модели Betschinger (2012) Обращаем внимание, что платежеспособность в модели авторов меньше нуля. Однако авторы применяют иной расчет данного показателя. Если привести расчеты показателей в соответствие, то получим, что знаки перед регрессором одинаковые.. Все регрессоры являются значимыми на уровне 1%, стандартные ошибки - малы. В целом модель также является значимой.

Проведем тест, позволяющий оценить совместную значимость дамми переменных по отраслям.

Таблица 18. Результаты теста на совместную значимость дамми переменных по отраслям¹⁸

(1)	a = 0
(2)	b = 0
(3)	c = 0
(4)	d = 0
(5)	f = 0
(6)	g = 0
(7)	k = 0
(8)	s = 0
F(8,12333)	28,56
Prob > F	0,0000

¹⁸ Составлено на основе результатов модели в программе Stata

Применение дополнительного теста показало, что отрасли являются совместно-значимыми. В описанной выше модели, анализирующей влияние всех сделок M&A на операционную эффективность компании, отсутствует отрасль с кодом E. Фактические, ее включение в модель не нужно, т.к. происходит образование полной группы событий. Это означает, что отрасль с кодом E может быть получена линейным образом через другие отрасли, включенные в модель. Поэтому, если включить указанную отрасль в модель будет возникать ошибка, связанная с коллинеарностью.

Далее перейдем к исследованию разницы влияния национальной (Domestic MA) и международной (Cross-border MA) сделки на операционную эффективность компании-поглотителя. Для наглядности представим сравнение спредудующей моделью, которая не разделяла эффекты от национального признака сделки M&A.

Таблица 19. Влияние Total MA, Domestic MA, Cross-border MA на операционную эффективность ¹⁹

	Модель 1	Модель 2
ROA	t	Standard errors	t	Standard errors
Total MA	0.00602***	(0.00167)
State ownership	-0.0131***	(0.00205)	-0.0130***	(0.00205)
lnTA	-0.00582***	(0.000531)	-0.00579***	(0.000530)
Solvency	0.0967***	(0.00297)	0.0968***	(0.00297)
lnLiquidity	0.00632***	(0.000991)	0.00633***	(0.000990)
Domestic MA			0.00387**	(0.00178)
Cross-border MA			0.0426***	(0.00954)
_cons	0.148***	(0.00776)	0.148***	(0.00775)
N	12355	12355
* p<0.10, ** p<0.05, *** p<0.01 (без участия дамми переменных по отраслям)

¹⁹Составлено на основании результатов модели в программе Stata

На основании таблицы можем сделать вывод, что проведение трансграничной сделки оказывает более сильное положительное влияние, нежели внутренняя сделка. Таким образом, гипотеза, связанная с более тщательным отношением к проведению международной сделки, подтверждается. Данный результат согласуется с выводами Betschinger (2012). Все остальные знаки перед регрессорами сохраняются, поэтому интерпретируются они аналогично описанию предыдущей модели.

Далее перейдем к интерпретации результатов при оценки влияния кризиса на результаты проведения сделок.

Для проверки гипотезы, связанной с влиянием финансового кризиса. Разобьем общий массив данных по принципу принадлежности года к финансовому кризису. Кризисный период будет определен на основании показателя ВВП. Согласно данным Федеральной службы Государственной статистики ВВП начал снижаться в 2008 году, а подъем стал проявляться в 2009 году (www.gks.ru).

Таким образом, к кризисному периоду мы будем относить 2008-2009 гг. В соответствии с выбранными периодами разобьем общую выборку на две части и сравним полученные модели.

Таблица 20. Оценка влияния финансового кризиса²⁰

	Период 2008-2009	Период 2005-2007, 2010-2013
ROA	t	Standard errors	t	Standard errors
Total MA	0.00794**	(0.00394)	0.00557***	(0.00184)
State ownership	-0.0165***	(0.00454)	-0.0121***	(0.00229)
lnTA	-0.0108***	(0.00119)	-0.00436***	(0.000590)
Solvency	0.0999***	(0.00 677)	0.0959***	(0.00329)
lnLiquidity	0.00653***	(0.00227)	0.00621***	(0.00110)
_cons	0.210***	(0.0175)	0.130***	(0.00862)
N	2814	9541
* p<0.10, ** p<0.05, *** p<0.01 (без участия дамми переменных по отраслям)

²⁰Составлено на основании результатов модели в программе Stata

Сопоставление коэффициентов перед регрессорами, свидетельствует о том, что в период кризиса эффекты усиливаются. Что касается влияния сделки M&A на операционную эффективность, то это можно объяснить тем, что ввиду положительного влияния на ROA, в кризисные периоды сделка также является эффективным инструментом.

Отметим, что при разбивке выборки на три периода: до кризиса, во время кризиса и после кризиса был получен следующий результат:

Таблица 21. Оценка влияния финансового кризиса ²¹

	2005-2007	2008-2009	2010-2013
ROA	t	Standard errors	t	Standard errors	t	Standard errors
Total MA	0.00798	(0.00566)	0.00794**	(0.00394)	0.00533***	(0.00193)
State ownership	-0.00885**	(0.00378)	-0.0165***	(0.00454)	-0.0142***	(0.00285)
lnTA	-0.00535***	(0.000936)	-0.0108***	(0.00119)	-0.00385***	(0.000765)
Solvency	0.112***	(0.00524)	0.0999***	(0.00677)	0.0834***	(0.00422)
ln Liquidity	0.00515***	(0.00183)	0.00653***	(0.00227)	0.00700***	(0.00135)
_cons	0.136***	(0.0137)	0.210***	(0.0175)	0.128***	(0.0111)
N	3987	2814	5554
* p<0.10, ** p<0.05, *** p<0.01 (без участия дамми переменных по отраслям)

²¹Составлено на основании результатов модели в программе Stata

Таким образом, видим, что переменная Total MA на периоде 2005-2007 гг теряет свою значимость. Исход из этого можем заключить, что результат является чувствительным к периоду, на основании которого строится модель. Также отметим, что при попытках включить дамми переменные, полученные на основании года - возникает ошибка колинеарности. В том числе принимая во внимание данную ошибку было принято решение исследовать финансовый кризис путем деления выборку на подвыборку.

Далее перейдем к проверке гипотезы, связанной с транспарентностью компаний. Для этого общая выборка данных была разбита на подвыборки в зависимости от показателя transparency. Одна из подвыборок включает наблюдения с исследуемым показателям от 20 до 51, а в другую от 50 до 100. Напомним, что увеличение показателя говорит об повышении степени прозрачности компании.

Таблица 22. Оценка влияния транспарентности²²

	transparency < 51	transparency >50
	t	Standard errors	t	Standard errors
ROA	0.00532***	(0.00205)	0.0107*	(0.00581)
Total MA	-0.0123***	(0.00209)	-0.0336***	(0.0117)
State ownership	-0.00595***	(0.000551)	-0.000280	(0.00257)
lnTA	0.0986***	(0.00300)	0.0394*	(0.0208)
Solvency	0.00666***	(0.00100)	0.00175	(0.00610)
lnLiquidity	0.151***	(0.00797)	0.0736*	(0.0441)
N	11 985	370
* p<0.10, ** p<0.05, *** p<0.01 (без участия дамми переменных по отраслям)

²²Составлено на основании результатов модели в программе Stata

Подвыборка, включающая менее прозрачные компании характеризуется более слабым влиянием сделки на операционную эффективность компании-поглотителя. Это может говорить о том, что непрозрачные компании могут занижать реальную эффективность инструмента, т.е. скрывать его фактическое влияние.

В заключении тестирования гипотез сформулируем ключевые выводы на основании полученных результатов. Согласно проведенному исследованию сделка M&A оказывает положительное влияние на операционную эффективность. Данный результат согласуется с работами исследователей - Ramaswamy and Waegelein (2003), Gugler et al. (2003) , Lau et al. (2008), Ismail et al. (2010), Григорьева, 2012. Результаты перечисленных исследователей свидетельствуют об улучшении операционной эффективности в результате осуществления сделки M&A. Обратим внимание, что данные работы оценивали совместный эффект, т.е. учитывали и влияние компании-цели и компании-поглотителя, в то время как в настоящей работе оценивался односторонний эффект со стороны компании-поглотителя. Основываясь на обзоре литературы из первой части данной работы, посвященной влиянию сделки M&A на операционную эффективность с точки зрения компании-цели, можем также полагать, что данное влияние положительно. Таким образом, при принятии данного допущения сравнение с вышеописанными работами является более корректным.

С другой стороны, полученные результаты противоречат результатам следующих работ: Yeh and Hoshino (2002), Kumar (2009), Betschinger (2012). Среди перечисленных работ методология исследования наибольшим образом соответствует с работой Betschinger (2012), тем не менее результаты получились противоположными. В качестве возможной аргументации выделим следующее объяснение. Во-первых, авторы анализировали российский рынок сделок M&A на периоде 1999-2008 гг., в отличии от данного исследования, которое рассматривает период 2005-2013 гг. Выбор периода может оказывать существенное влияние на результат - если в начале 90-х были активы рейдерские захваты, то в современной России они происходят существенно реже. Кроме того, активный рост российского рынка M&A начинается также в начале 2000- ых годов, таким образом, компании использовали инструмент в условиях отсутствия соответствующего опыта и навыков. А как показали результаты обоих исследований - эффект обучения важен для проведения успешной сделки. Во-вторых, расчет переменной, позволяющей оценить влияние сделки M&A на операционную эффективность сильно отличается. Не исключено, что выбор способа расчета Total MA, Cross-border MA и Domestic MA может оказать существенное влияние на знак пред регрессором. В-третьих, отметим, что еще одним аспектом, который отличается в настоящем исследовании и работе Betschinger (2012) является непосредственно расчет множественности сделок.