CC BY
18
Научная статья
УДК 336.64
DOI: 10.14529/em220313
МОДЕЛИРОВАНИЕ ЦЕНЫ СДЕЛОК СЛИЯНИЙ И ПОГЛОЩЕНИЙ ЭНЕРГЕТИЧЕСКИХ КОМПАНИЙ: ПРОБЛЕМА ВЫБОРА ПЕРЕМЕННЫХ
И.И. Просвирина1*, А.В. Стерхов2, И.Н. Батина2
1 Южно-Уральский государственный университет, Челябинск, Россия
2 Уральский федеральный университет им. Первого Президента России Б.Н. Ельцина, Екатеринбург, Россия
* iprosvirina@mail.ru
Аннотация. Предметом исследования, результаты которого представлены в настоящей статье, выступает процесс формирования цены покупки-продажи в сделках слияний и поглощений. В связи с огромным количеством факторов, влияющих на результат подобных сделок, проблема выбора переменных для моделирования представляет собой сложную задачу. С целью решения этой задачи выделены два этапа исследования: выбор результирующей переменной и определение совокупности влияющих на данную переменную факторов. В результате большого количества итераций к числу основных групп переменных, значимость которых была установлена, отнесены показатели компании-объекта сделки, показатели компании-инициатора сделки, длительность этапов совершения сделки, параметры внешней среды, представленные величиной процентной ставки и индексом политической нестабильности, а также типы стратегий развития, используемые при планировании сделки. Особое внимание уделено выбору наиболее значимого по скорректированному коэффициенту детерминации показателя регрессии, отражающего размер активов компании.
Ключевые слова: слияния, поглощения, корпоративная стратегия, цена сделки слияния и поглощения, факторы влияния на цену сделки, моделирование сделок слияний и поглощений, корпоративные финансы, эконометрическое моделирование, электроэнергетика, переговорный процесс.
Для цитирования: Просвирина И.И., Стерхов А.В., Батина И.Н. Моделирование цены сделок слияний и поглощений энергетических компаний: проблема выбора переменных // Вестник ЮУрГУ. Серия «Экономика и менеджмент». 2022. Т. 16, № 3. С. 118-125. DOI: 10.14529/em220313
Original article
DOI: 10.14529/em220313
MODELING THE PRICE OF MERGERS AND ACQUISITIONS OF ENERGY COMPANIES: THE PROBLEM OF CHOICE OF VARIABLES
I.I. Prosvirina1*, A.V. Sterkhov2, I.N. Batina2
1 South Ural State University, Chelyabinsk, Russia
2 Ural Federal University named after the First President of Russia B.N. Yeltsin, Yekaterinburg, Russia
* iprosvirina@mail.ru
Abstract. The subject of the study presented in this article is the process of formation of the price in mergers and acquisitions. Due to the huge number of factors that influence the result of such transactions, the problem of choosing variables for modeling is a difficult task. In order to solve this problem, two stages of the study are distinguished: the choice of the resulting variable and determining the combination of factors influencing it. As a result of a large number of iterations, the main groups of variables, the significance of which was established, has included the indicators of the target company, the indicators of the acquirer company, the duration of the stages of the deal, the parameters of the external environment represented by the interest rate and the index of political risks and vulnerabilities, as well as the types of corporate strategies used by the companies to plan transactions. Particular attention has been paid to the choice of the most significant regression indicator in terms of the adjusted coefficient of determination, reflecting the size of the company's assets.
© Просвирина И.И., Стерхов А.В., Батина И.Н., 2022
Keywords: mergers, acquisitions, corporate strategy, mergers and acquisitions deal price, factors influencing the deal price, modeling of mergers and acquisitions, corporate finance, econometric modeling, electric power industry, negotiation process
For citation: Prosvirina I.I., Sterkhov A.V., Batina I.N. Modeling the price of mergers and acquisitions of energy companies: the problem of choice of variables. Bulletin of the South Ural State University. Ser. Economics and Management, 2022, vol. 16, no. 3, pp. 118-125. (In Russ.). DOI: 10.14529/em220313
Введение
Сделки слияний и поглощений являются одним из наиболее распространенных инструментов реализации стратегии развития бизнеса в электроэнергетике. В отличие от стратегий органического роста, стратегии с использованием рынка слияний и поглощений предполагают стратегическое взаимодействие с другими компаниями, что существенно увеличивает количество факторов, влияющих на процесс принятия решения о направлениях развития. Поэтому вопрос о выборе переменных для моделирования цены сделок представляет собой сложную задачу.
Определению результата сделок слияний и поглощения посвящено значительное количество источников. В научной литературе можно встретить три основных метода оценки результата сделок слияний и поглощений: метод событий, метод анализа финансовой отчетности и стоимостной подход.
При применении метода событий (event study) (Aybar [1], Capron [2], Haleblian [3], Tao [4], Григорьева [5], Назарова [6] и др.) оценивается реакция фондового рынка, поэтому он применим лишь для публичных компаний.
Метод анализа финансовой отчетности (accounting studies) (Francis [7], Knauer [8], Tunyi [9], Родионов [10], Рябова [11] и др.) оценивает изменение показателей финансовой отчетности объединенной компании по сравнению с участниками сделок. При этом на финансовые результаты объединенной компании могут влиять и факторы, не имеющие прямого отношения к сделке.
Стоимостной подход (Cuypers [12], Рогова [13], Назарова [6] и др.) акцентируется на создании стоимости для акционеров. Анализ источников показал, что авторы используют значительное число показателей, основанных на разной методологии; кроме того, отсутствует общепринятая терминология, что затрудняет сопоставление методов в рамках данного подхода и их использование в моделировании.
В целом можно сделать вывод, что имеющиеся методы не описывают собственно результат сделки как таковой, а концентрируются либо на краткосрочной реакции фондового рынка на сделку, либо описывают изменение операционных или финансовых показателей компании после совершения сделки. В этом заключается основная причина того, что существующие методы не могут
быть использованы в целях выбора результирующей переменной. В связи с этим необходимо сформировать другой показатель, который может быть использован для моделирования процесса выбора стороны сделки, отвечающей стратегии развития компании, с одной стороны, и наиболее эффективной с точки зрения цены сделки (для одной стороны сделки это цена покупки, для другой стороны это цена продажи).
Исследование включало два этапа: выбор переменной, характеризующей результат сделки, и определение совокупности факторов, влияющих на результирующую переменную.
Теория и методология
Для целей настоящего исследования показатель результата сделки должен удовлетворять следующим условиям:
1) быть относительной величиной для обеспечения возможности сравнения разных по величине активов компаний;
2) учитывать величину доли, которая будет приобретена в ходе сделки;
3) иметь максимальную связь с ценой сделки.
Для формирования модели расчета показателя проведены предварительные расчеты показателей, которые удовлетворяют этим условиям. На основе сформулированных условий, которым должна удовлетворять результирующая переменная в нашем исследовании, нами предложен показатель «надбавка к величине скорректированных активов». Далее проведен анализ возможности расчета данного показателя на основе статистических данных. Поставленной задаче в наибольшей степени отвечает база данных Zephyr, которая содержит данные о сделках слияний и поглощений, произошедших в мире за период с 1997 года по настоящее время. К преимуществам базы данных Zephyr можно также отнести наличие сведений о большом числе финансово -экономических показателей (более 100) относительно инициатора и объекта сделки, а также возможность интеграции с другими базами (например, Amadeus - данные о финансовой отчетности компаний). Поэтому выборка сделок слияний и поглощений, которая использована в исследовании, сформирована авторами на основе данных Zephyr. В выборку попали сделки за период с 01.01.1997 г. по 30.11.2021 г. по всем странам мира. Для формирования выборки использованы следующие критерии:
1) статус сделки (только завершенные сделки);
2) размер приобретаемого пакета (в результате приобретения под контролем должно оказаться не менее 25 % общей величины компании);
3) отраслевая принадлежность (инициатор или объект сделки должны иметь двузначный отраслевой код NAICS2017 равный 22 (Utilities -производство и распределение электроэнергии, тепла и газа));
4) наличие известных данных по перечисленным далее переменным, отражающим характеристики сделки и величину активов компании.
Общий размер выборки - 1210 сделок, в том числе 221, в которых хотя бы один участник относится к России. Использованы следующие основные переменные, представленные в базе данных Zephyr: 1) сумма, уплаченная в ходе сделки (DV), или фактическая цена сделки. На этой основе путем деления цены сделки на приобретенную долю получен показатель EV (цена сделки, приведенная к 100%-ной доле компании); 2) показатель моделируемой стоимости компании (EVM) представляет собой величину общих активов компании за вычетом денежных средств. Данный показатель предложен организацией Mergerstat и оценивается как наиболее распространенный в деловой практике [14]. Совершая сделку слияния и поглощения, организация приобретает контроль над денежными средствами компании-цели. Оплачивая цену сделки х и получая компанию с денежными средствами у, компания-покупатель немедленно возмещает часть уплаченной цены, что означает получение активов в сумме (х - у).
Для обоснования предлагаемого показателя -относительной надбавки к величине скорректированных активов - на начальном этапе моделирования введена переменная «абсолютная величина надбавки к цене сделки» (EVd), представляющая собой разницу между скорректированной на приобретенную долю ценой сделки (EV) и моделируемой стоимостью компании (EVm):
EVd = EV - EVm . (1)
Положительная величина абсолютной надбавки к цене сделки означает, что компания приобретена за цену, превышающую стоимость ее активов (с премией к величине активов), отрицательная - за цену ниже стоимости активов (с дисконтом к величине активов).
Введение абсолютной величины надбавки позволяет перейти к формированию переменной «относительная надбавка к величине скорректированных активов» (EVr), которая будет применена для измерения влияния различных факторов на результат сделки:
EVr =^-100 =£^-100. (2)
EVm EVm v '
Относительная надбавка к величине скорректированных активов показывает, какая сумма в процентах к моделируемой стоимости уплачена при приобретении компании. Данная переменная
далее использована в качестве объясняемой в регрессионных уравнениях, представленных в данном исследовании. Преимущества предлагаемого показателя мы видим в следующем:
1) может быть использован для сделок, в которых приобретается разная доля компании;
2) применим для публичных и непубличных компаний;
3) требует для расчетов только официально публикуемых данных;
4) не учитывает краткосрочных колебаний фондового рынка.
Статистическое распределение величины надбавки к величине скорректированных активов в сделках слияний и поглощений в мире за 19972021 гг. представлено на рисунке. Из рисунка видно, что распределение относительной надбавки в рамках имеющейся базы данных имеет определенные отличия от нормального распределения: средняя и медианная величина надбавки имеют отрицательные значения, при этом надбавку в размере от 0 до 10 % имеют порядка 24 % сделок.
Для построения регрессионных моделей использован метод пошагового добавления переменных, предполагающий разделение переменных на группы. В соответствии с проведенным анализом литературы авторами выдвинуты гипотезы о том, что значимое влияние на результаты сделки могут оказывать следующие группы переменных:
- группа 1: переменные, относящиеся к операционным и финансовым показателям компании-объекта сделки. На данном этапе проверялись доступные в базе данных показатели финансовой отчетности на отчетный период, предшествующий осуществлению сделки;
- группа 2: переменные, относящиеся к операционным и финансовым показателям компании-инициатора сделки. Переменные аналогичны группе 1, но в отношении инициатора сделки;
- группа 3: переменная, относящаяся к процессу осуществления сделки. В качестве такой переменной выбрана продолжительность различных этапов осуществления сделки, поскольку переговорный процесс является процедурой, чаще всего носящей закрытый для исследователя характер;
- группа 4: переменные, характеризующие состояние внешней среды на момент совершения сделки. Состояние внешней среды в целом может быть адекватно представлено набором факторов, характеризующих макроэкономическую конъюнктуру и политическую компоненту. В качестве таких выбраны процентная ставка EURIBOR, а также 12 компонентов индекса FSI (fragile state index) - индекса политической нестабильности, рассчитываемого ежегодно в отношении отдельных государств организацией Фонд Мира (Fund for Peace) [15]. Выбор данного индекса обусловлен объективным методом его построения на основе контекстного анализа десятков тысяч документов
Статистическое распределение надбавки к величине скорректированных активов
и веб-страниц, значительным исследовательским опытом Фонда Мира, а также доступностью 12-ти компонентов этого индекса, отражающих разнообразные характеристики общественно-государственного устройства. Индекс FSI ранее использовался для оценки уровня коррупционности и не тестировался в экономических исследованиях. В процессе моделирования подтверждена значимость 4-х из 12-ти компонентов индекса, при этом значимыми оказались все представленные в индексе четыре группы показателей. Таким образом, в выборку попали по одному показателю из каждой группы;
- группа 5: переменные, отражающие тип стратегии электроэнергетической компании в соответствии с типологией стратегий, обоснованной авторами в работе [16]. Для обеспечения корректного учета влияния различных стратегий использованы кросс-переменные, каждая из которых представляет собой произведение бинарной переменной, соответствующей конкретной стратегии, и одного из показателей компании-инициатора сделки (переменной из группы 1). Это позволило выявить влияние каждой стратегии в разрезе отдельных финансово-экономических показателей.
Результат
В результате проведения моделирования получены два итоговых регрессионных уравнения: модель 1 (в качестве основного показателя объекта сделки использована величина общих активов) и модель 2 (в качестве основного показателя объекта сделки использована величина текущих обязательств объекта сделки). Совмещение двух указанных переменных в одном уравнении невозможно по причине возникновения мультиколлинеар-ности; в таблице представлены полученные уравнения.
Обсуждение и выводы
В отношении переменных группы 1 подтверждены полученные в предыдущих исследованиях выводы о снижении величины надбавки для ком-
паний с большей величиной активов и большей величиной текущих обязательств. Также получен вывод о большей величине надбавки для компаний с большей величиной выручки. В отношении влияния прибыли на величину надбавки результаты противоречивы, что может объясняться различными мотивами покупателей.
Результаты, касающиеся показателей инициатора сделки (группа 2), также соответствуют предыдущим исследованиям: большие по размеру компании, а также компании с большей величиной долга уплачивают большую величину надбавки.
Одним из существенных итогов проведенного анализа стал вывод о том, что в зависимости от длительности различных этапов совершения сделки меняется величина надбавки (переменные группы 3). Подтвержден нелинейный характер данной зависимости: чем больше промежуток между появлением первых сведений и официальным объявлением о сделке, тем больше вклад в величину надбавки; кроме того, максимальный вклад в величину надбавки наблюдается при условии, что продолжительность временного промежутка между официальным объявлением и завершением сделки составляет около 4,5 месяцев.
В отношении переменных группы 4 получены выводы об увеличении величины надбавки с увеличением рыночных процентных ставок, что связано с ростом цены капитала и реализацией только тех сделок, которые имеют максимальный потенциал в данных условиях. Выводы в отношении компонентов индекса FSI подтвердили высокую значимость политических рисков при проведении сделок слияний и поглощений, а именно было установлено, что:
- с ростом угроз безопасности для бизнеса (например, террористические атаки) величина надбавки падает;
- эмиграция и «утечка» мозгов приводит к росту надбавки (труд и капитал, вероятнее всего, являются несовершенными субститутами, поэтому
Итоговые регрессионные модели
Переменные Модель 1 Модель 2
Константа 9,81** 6,72
Группа 1 (показатели объекта сделки)
Общие активы объекта сделки (логарифм переменной) _2 59*** X
Текущие обязательства объекта сделки (логарифм переменной) X -2 70***
Выручка / Моделируемая стоимость (объект сделки) 0 47*** 0,51***
Прибыль после уплаты налогов / Моделируемая стоимость (объект сделки) -1,11 -1,38**
Группа 2 (показатели инициатора сделки)
Общие активы инициатора сделки (логарифм переменной) 0 79*** X
Текущие обязательства инициатора сделки (логарифм переменной) X 0 87***
Группа 3 (длительность этапов совершения сделки)
Временной промежуток между официальным объявлением о совершении сделки и завершением сделки, дней 0,00585*** 0,00634
Временной промежуток между официальным объявлением о совершении сделки и завершением сделки, дней (квадрат переменной) -0,00002 -0,00003**
Временной промежуток между появлением первых сведений о сделке и официальным объявлением о совершении сделки, дней 0,04252** 0,04070***
Временной промежуток между появлением первых сведений о сделке и официальным объявлением о совершении сделки, дней (квадрат переменной) -0,00004*** -0,00004**
Группа 4 (параметры внешней среды, оцененные на основе величины процентной ставки и индекса политической нестабильности)
Процентная ставка EURIBOR (на срок 1 месяц) в момент, соответствующий появлению первых сведений о сделке 84,95** 105,28*
Состояние аппарата безопасности -1,15 -1,09*
Эмиграция и «утечка» мозгов 3,46** 3 74***
Доступность социальных и общественных благ —2 78*** -2,82**
Внешнее вмешательство других стран в дела государства -1,64** -1,84*
Группа 5 (виды стратегий)
Кросс-переменные: произведение переменной «Общие активы объекта сделки» (логарифм переменной) на код стратегии
Вертикальная интеграция «назад» внутри отрасли 0,18* 0,05
Вертикальная интеграция «вперед» внутри отрасли 0,71 0,65
Несвязанная диверсификация внутри отрасли 0,07 0,04
Приобретение энергетическими компаниями финансовых организаций -0,44 -0,55**
Кросс-переменные: произведение переменной «Выручка / Моделируемая стоимость» (объект сделки) на код стратегии
Вертикальная интеграция «назад» внутри отрасли 1,76** 2,29
Вертикальная интеграция «вперед» внутри отрасли -1,77 -1,17
Несвязанная диверсификация внутри отрасли 3,97 4 44***
Приобретение энергетическими компаниями финансовых организаций 0,68*** 0,90**
* значимость на уровне 10 %; ** значимость на уровне 5 %; *** значимость на уровне 1 %;
X - данная переменная не включалась в спецификацию модели.
Окончание таблицы
Переменные Модель 1 Модель 2
Кросс-переменные: произведение переменной «Прибыль после уплаты налогов / Моделируемая стоимость» (объект сделки)
Вертикальная интеграция «назад» внутри отрасли 120,25 113,42*
Вертикальная интеграция «вперед» внутри отрасли -15,09* -17,18
Несвязанная диверсификация внутри отрасли 5,00 5,68***
Приобретение энергетическими компаниями финансовых организаций 10,86*** 9,44
Скорректированный коэффициент детерминации 11,42% 13,25%
сокращение количества труда означает рост цены капитала);
- с ростом доступности социальных и общественных благ (медицина, образование, жилье, транспорт) снижается величина надбавки (можно предположить, что наиболее развитые страны характеризуются более развитой конкуренцией во всех секторах, что означает снижение величины монопольной надбавки к цене сделки);
- вмешательство во внутренние дела государства со стороны других стран: рост вмешательства означает частичную потерю суверенитета страны, что создает дополнительные риски ведения бизнеса, поэтому величина надбавки снижается.
В отношении переменных группы 5 было установлено, что различные стратегии компании оказывают влияние на величину надбавки. Отличается величина надбавки для следующих стратегий: вертикальная интеграция «назад» внутри отрасли, вер-
тикальная интеграция «вперед» внутри отрасли, несвязанная диверсификация внутри отрасли и приобретение энергетическими компаниями финансовых организаций. Величина надбавки для прочих стратегий не имеет статистических отличий.
Выводы
В результате исследования установлено, что при выборе в качестве основного показателя в моделях 1 и 2 соответственно величины общих активов и величины текущих обязательств перечень значимых переменных, а также значения коэффициентов регрессионных уравнений в моделях 1 и 2 остаются стабильными, что говорит о том, что оценку величины надбавки можно проводить с помощью любой из упомянутых переменных. Определение условий, при которых оправданным является использование величины общих активов или текущих обязательств, является предметом наших дальнейших исследований.
Список литературы
1. Aybar, B., Ficici, A. Cross-border acquisitions and firm value: An analysis of emerging-market multinationals // J. Int. Bus. Stud. 2009. Vol. 40. P. 1317-1338.
2. Capron, L., Shen, J.-C. Acquisitions of private vs. public firms: Private information, target selection, and acquirer returns // Strat. Mgmt. J. 2007. Vol. 28. P. 891-911.
3. Haleblian J.J., Pfarrer M.D., Kiley J.T. High-Reputation Firms and Their Differential Acquisition Behaviors // Strat. Mgmt. J. 2017. Vol. 38. P. 2237-2254.
4. Tao Fang & Liu Xiaohui & Gao Lan & Xia Enjun. Do cross-border mergers and acquisitions increase short-term market performance? The case of Chinese firms // International Business Review. 2017. Vol. 26(1). P. 189-202.
5. Grigorieva S., Egorova A. The Effect of an Acquirer's Life Cycle Stage on the Performance of M&As: Evidence from Mega and Non-Mega Deals in the US, Journal of Corporate Finance Research // Корпоративные финансы. 2019, № 13(3). P. 7-18. DOI: 10.17323/j.jcfr.2073-0438.13.3.2019.7-18.
6. Назарова В.В., Шевякина О.Р. Определение оптимальной премии в сделках слияния и поглощения в нефтегазовом секторе // Корпоративные финансы. 2015. № 4. URL: https://cyberleninka.ru/article/n/op-redelenie-optimalnoy-premii-v-sdelkah-sliyaniya-i-pogloscheniya-v-neftegazovom-sektore.
7. Francis J.R., Huang S.X. and Khurana I.K. The Role of Similar Accounting Standards in Cross-Border Mergers and Acquisitions // Contemp. Account. Res. 2016. Vol. 33. P. 1298-1330.
8. Knauer Thorsten & Silge Lisa & Sommer Friedrich. The shareholder value effects of using value-based performance measures: Evidence from acquisitions and divestments // Management Accounting Research. 2018. Vol. 41. URL: https://doi.org/10.1016/j.mar.2018.02.001.
9. Tunyi Abongeh & Ntim Collins. Location Advantages, Governance Quality, Stock Market Development and Firm Characteristics as Antecedents of African M&As // Journal of International Management. 2017. Vol. 22. URL: https://doi.org/10.1016%2Fj.intman.2016.01.005.
10. Родионов И.И., Михальчук В.Б. Обзор основных теоретических подходов и эмпирических исследований эффективности сделок слияний и поглощений // Корпоративные финансы. 2015. № 9(3). C. 98110. DOI: 10.17323/j.jcfr.2073-0438.9.3.2015.98-110.
11. Рябова Е.В., Петрова В.В. Методика оценки премии в сделках слияния и поглощения на развивающихся рынках для частных компаний // Финансы: теория и практика. 2017. № 5. URL: https://cyberleninka.ru/article/n/metodika-otsenki-premii-v-sdelkah-sliyaniya-i-pogloscheniya-na-razvivayuschihsya-rynkah-dlya-chastnyh-kompaniy.
12. Cuypers I.R.P., Cuypers Y. and Martin X. When the target may know better: Effects of experience and information asymmetries on value from mergers and acquisitions // Strat. Mgmt. J. 2017. Vol. 38. P. 609-625.
13. Рогова Е.М., Лузина Д.С. Оценка влияния сделок слияний и поглощений на фундаментальную стоимость компаний на развивающихся рынках капитала (на примере стран BRICS) // Корпоративные финансы. 2015. № 9(3). C. 27-50. DOI: 10.17323/j.jcfr.2073-0438.9.3.2015.27-50.
14. Гохан Патрик А. Слияния, поглощения и реструктуризация компаний: пер. с англ. 7-е изд. М.: Альпина Паблишер, 2017.
15. Fragile State Index. URL: https://fragilestatesindex.org/.
16. Просвирина И.И., Стерхов А.В. Типологизация стратегий корпоративного развития на основе интеграции и диверсификации // Вестник ЮУрГУ. Серия «Экономика и менеджмент». 2021. Т. 15, № 4. С. 106-114. DOI: 10.14529/em210411.
References
1. Aybar B., Ficici A. Cross-border acquisitions and firm value: An analysis of emerging-market multinationals. J. Int. bus. Stud., 2009, vol. 40, pp. 1317-1338.
2. Capron L., Shen J.-C. Acquisitions of private vs. public firms: Private information, target selection, and acquirer returns. Strat. mgmt. J., 2007, vol. 28, pp. 891-911.
3. Haleblian J.J., Pfarrer M.D., Kiley J.T. High-Reputation Firms and Their Differential Acquisition Behaviors. Strat. mgmt. J, 2017, vol. 38, pp. 2237-2254.
4. Tao, Fang & Liu, Xiaohui & Gao Lan & Xia Enjun. Do cross-border mergers and acquisitions increase short-term market performance? The case of Chinese firms. International Business Review, 2017, vol. 26(1), pp. 189-202.
5. Grigorieva S. Egorova A. The Effect of an Acquirer's Life Cycle Stage on the Performance of M&As: Evidence from Mega and Non-Mega Deals in the US. Journal of Corporate Finance Research, 2019, no. 13(3), pp. 7-18. DOI: 10.17323/j.jcfr.2073-0438.13.3.2019.7-18.
6. Nazarova V.V., Shevyakina O.R. Determining the optimal premium in mergers and acquisitions in the oil and gas sector. Corporate Finance, 2015, no. 4. (In Russ.) URL: https://cyberleninka.ru/article/n/opredelenie-optimalnoy-premii-v-sdelkah-sliyaniya-i-pogloscheniya-v-neftegazovom-sector.
7. Francis J.R., Huang S.X. and Khurana I.K. The Role of Similar Ac-counting Standards in Cross-Border Mergers and Acquisitions. Contemp. account. Res., 2016, vol. 33, pp. 1298-1330.
8. Knauer Thorsten & Silge Lisa & Sommer Friedrich. The shareholder value effects of using value-based performance measures: Evidence from acquisitions and divestments. Management Accounting Research, 2018, vol. 41. URL: https://doi.org/10.1016Zj.mar.2018.02.001.
9. Tunyi Abongeh & Ntim Collins. Location Advantages, Governance Quality, Stock Market Development and Firm Characteristics as Antecedents of African M&As. Journal of International Management, 2017, vol. 22. URL: https://doi.org/10.1016%2Fj.intman.2016.01.005.
10. Rodionov I.I., Mikhalchuk V.B. Review of the main theoretical approaches and empirical studies of the effectiveness of mergers and acquisitions. Journal of Corporate Finance Research, 2015, no. 9(3), pp. 98-110. (In Russ.) DOI: 10.17323/j.jcfr.2073-0438.9.3.2015.98-110.
11. Ryabova E.V., Petrova V.V. Methodology for assessing the premium in mergers and acquisitions in emerging markets for private companies. Finance: theory and practice, 2017, no. 5. (In Russ.) URL: https://cyberleninka.ru/article/n/metodika-otsenki-premii-v-sdelkah-sliyaniya-i-pogloscheniya-na-razvivayuschihsya-rynkah-dlya-chastnyh-kompaniy.
12. Cuypers I.R.P., Cuypers Y. and Martin X. When the target may know better: Effects of experience and information asymmetries on value from mergers and acquisitions. Strat. mgmt. J., 2017, vol. 38, pp. 609-625.
13. Rogova E.M., Luzina D.S. Assessing the impact of mergers and acquisitions on the fundamental value of companies in emerging capital markets (on the example of BRICS countries). Journal of Corporate Finance Research, 2015, no. 9(3), pp. 27-50. (In Russ.) DOI: 10.17323/j.jcfr.2073-0438.9.3.2015.27-50.
14. Gohan Patrick A. Sliyaniya, pogloshcheniya i restrukturizatsiya kompaniy [Mergers, acquisitions and restructuring of companies]. Transl. from English. 7th ed. Moscow, 2017.
15. Fragile State Index. URL: https://fragilestatesindex.org/.
16. Prosvirina I.I., Sterkhov A.V. Typology of Corporate Development Strategies Based on Integration and Diversification. Bulletin of the South Ural State University. Ser. Economics and Management, 2021, vol. 15, no. 4, pp. 106-114. (In Russ.). DOI: 10.14529/em210411
Информация об авторах
Просвирина Ирина Игоревна, доктор экономических наук, профессор, Южно-Уральский государственный университет, Челябинск, Россия, email: iprosvirina@mail.ru
Стерхов Александр Викторович, старший преподаватель, Уральский федеральный университет им. Первого Президента России Б.Н. Ельцина, Екатеринбург, Россия
Батина Ирина Николаевна, кандидат экономических наук, доцент, Уральский федеральный университет им. Первого Президента России Б.Н. Ельцина, Екатеринбург, Россия
Information about the authors
Irina I. Prosvirina, Doctor of Sciences (Economics), Professor, South Ural State University, Chelyabinsk, Russia, email: iprosvirina@mail.ru
Alexander V. Sterkhov, senior lecturer, Ural Federal University named after the First President of Russia B.N. Yeltsin, Yekaterinburg, Russia
Irina N. Batina, Candidate of Sciences (Economics), Associate Professor, Ural Federal University named after the First President of Russia B.N. Yeltsin, Yekaterinburg, Russia
Статья поступила в редакцию 21.06.2022 The article was submitted 21.06.2022
