CC BY
39
Выявление факторов, влияющих на синергетический эффект на российском рынке
сделок M&A
Identification of factors affecting the synergy on the Russian M&A market
Магер Кристина Анатольевна
Студентка 2 курса Факультет Менеджмента Финансовый университет при Правительстве Российской Федерации
e-mail: kristimager@gmail.com
Mager Kristina Anatolyevna
Student 2 term Faculty of Management Financial University under the Government of the Russian Federation
e-mail: kristimager@gmail.com
Аннотация.
Целевым показателем в сделках слияния и поглощения является увеличение стоимости компании, обусловленное положительным синергетическим эффектом. В статье путем построения регрессионной модели проанализировано влияние различных факторов на величину синергетического эффекта через 1, 2 и 3 года после объявления о сделке в периоды роста и кризиса российской экономики для сферы технологий, и инноваций. В качестве факторов влияния выступают показатели выручки, чистой прибыли, рентабельности активов, рентабельности собственного капитала, финансового левериджа, цена/прибыль компании-покупателя.
Annotation.
The target in mergers and acquisitions is an increase in the company's value due to a positive synergy. The article analyzes the influence of various factors on the value of the synergy in 1, 2 and 3 years after the announcement of the deal during the periods of growth and crisis of the Russian economy for the sphere of technology and innovation. The factors of influence are the indicators of revenue, net profit, return on assets, return on equity, financial leverage, P/E of the acquirer company.
Ключевые слова: слияния, поглощения, синергия, эффективность сделки, регрессия, технологическая отрасль, инновации.
Key words: mergers, acquisitions, synergy, transaction efficiency, regression, technology industry, innovations.
Ключевым фактором привлекательности участия компаний в сделках слияния и поглощения является увеличение капитализации объединенной компании, обусловленное их синергетическим эффектом. Однако на практике около двух третей сделок M&A в конечном счете являются убыточными, поэтому во время планирования подобных сделок необходимо провести достоверную оценку их эффективности, которая учитывала бы особенности функционирования компаний. Динамичный рост рынка сделок M&A при низком уровне их эффективности влечет за собой необходимость более глубокого анализа и выработки подходов к оценке синергетического эффекта и факторов, влияющих на него.
2018 год можно охарактеризовать как год с возросшей активностью на рынке M&A, особенно это касается сектора инноваций и технологий, что обозначает будущий вектор развития инвестиционной активности на российском рынке.
Если говорить о тенденциях в России, то нельзя не заметить объединение усилий ведущих российских компаний с целью разработки цифровых продуктов и услуг, что привело к закрытию ряда крупных сделок в 2018 году в секторе инноваций и технологий. К ним относятся сделки в сфере:
• услуг такси на российском рынке (создание совместного предприятия Yandex и Uber, «МегаФон» и Mail.Ru Group приобрели долю участия в «Ситимобил»);
• доставки еды (покупка Mail.Ru Group платформы по доставке еды Delivery Club, Yandex.Taxi приобрел 83,3% долей участия в сервисе «Партия Еды»);
• электронной коммерции («Сбербанк» купил у Yandex 50% в Yandex.Market, покупка компании AliExpress Russia группой инвесторов - «МегаФон», Mail.Ru Group и Российский фонд прямых инвестиций).
Возросшая активность в секторе технологий и инноваций не вызывает удивления - компании по всему миру стремятся к цифровой трансформации, которая кардинально изменяет порядок и способы функционирования бизнеса, а также жизнь людей. Стремление к цифровизации охватило большинство стран мира, включая Россию.
С целью выявить факторы, влияющих на синергетический эффект на российском рынке сделок слияний и поглощений, опираясь на результаты исследований различных ученых-экономистов, были отобраны финансовые показатели и с помощью регрессионного анализа была выявлена определенная зависимость. Для получения значимых результатов, а также возможности более глубокого анализа регрессионная модель была построена для сделок российского рынка M&A в технологической отрасли.
Для построения модели использовалась линейная множественная регрессия, которая позволяет выявить зависимость переменной от нескольких случайных величин. Уравнение регрессии можно представить следующим образом:
Y = a+/31X1+ ¡32X2 + ••• + № + е, где
Х1,Х2, — ,X¿ - объясняющие переменные (независимые);
£ - случайная ошибка;
а - свободный член регрессии;
P1,p2,—,Pí - коэффициент при объясняющей переменной.
Качество построенной регрессии определялось с помощью показателя детерминации (R - квадрат), его рассчитанное значение должно находиться в пределах от нуля до единицы (чем ближе к единице, тем качество модели выше). Значение коэффициента детерминации может быть завышено из-за такого явления как мультиколлинеарность.
Для корректного построения модели необходимо провести ее проверку на мультиколлинеарность, автокорреляцию и гетероскедастичность, а также проверку коэффициентов и модели на значимость результатов.
Первый этап в построении модели - ее проверка на мультиколлинеарность. Мультиколлинеарность представляет собой тесную корреляционную взаимосвязь регрессоров (факторов), означающую, что один регрессор может быть объяснен с помощью другого. С целью проверки модели была построена матрица парных коэффициентов корреляции. Было принято, что две переменные явно коллинеарны, если коэффициент корреляции больше 0,7. В случае, если для каких-либо переменных коэффициент корреляции больше 0,7, переменные необходимо исключить. Из двух взаимозависимых исключалась та переменная, которая в меньшей степени влияет на объясняемую переменную (величину синергии).
Для проверки автокорреляции использовался тест Дарбина-Уотсона. В рамках данного исследования автокорреляция не встречается ни в одной из регрессий как следствие отсутствия временных рядов, наблюдения в регрессии - независимые (каждая строка представляет собой отдельную сделку). Поэтому, наличие корреляции между соседними ошибками в моделях невозможно.
Следующим шагом являлась проверка модели на гетероскедастичность (которая означает непостоянство зависимых переменных и случайных ошибок) с помощью F-статистики, имеющей распределение Фишера. Вывод о наличии гетероскедастичности имел место быть в том случае, если рассчитанный показатель был меньше уровня значимости (5%).
После проведения указанных выше тестов, следовало построение модели на основании факторов, не исключенных из регрессии из-за наличия мультиколлинеарности. Далее анализировалась значимость коэффициентов регрессии, используя p-значения на основе t-статистики (которая имеет распределение Стьюдента). Чем показатель p-значения ниже, тем лучше. В случае, если p-значение выше выбранного уровня значимости, то основная гипотеза о значимости коэффициента регрессии отвергается. Для целей оценки качества коэффициентов регрессии в настоящем исследовании принимается 10%-ый уровень значимости. Таким образом, в случае, если p-значение оказывалось больше 0,1, то переменная признавалась незначимой и исключалась из модели, так как не влияла на ее качество.
Для того, чтобы проверить качество модели также использовалась F-статистика Фишера, ее вероятности. Рассчитанное значение вероятностей сравнивается с критическим уровнем, который установлен на уровне 10%. В случае, если F-статистика меньше установленного уровня, регрессия в целом признается значимой.
Завершающим этапом являлось построение модели по оставшимся переменным. Далее анализировались и интерпретировались полученные результаты.
Для формирования выборки слияний и поглощений с целью оценки величины синергии был использован терминал Bloomberg, а также настраивались следующие ограничения:
• страна, к которой относится компания-покупатель и компания-цель: Россия;
• публичность компании-покупателя: публичные;
• форма оплаты сделки: наличные и/или акции;
• информация об объявленной сумме сделки доступна;
• сделка объявлена в период с 2005 по 2015 год. Из базы исключались сделки, в которых:
• отсутствует информация об отчетности у одной или обеих компаний за необходимый период;
• информация о капитализации компании в течение рассматриваемого периода доступна. Указанным выше критериям удовлетворяют 339 сделок. Характеристика сделок в выборке представлена
в таблице ниже.
Таблица 1. Характеристика сделок в выборке
Характеристика Значение
Год проведения сделки Доля сделок, %
2005 9%
2006 8%
2007 24%
2008 15%
2009 5%
2010 10%
2011 10%
2012 7%
2013 6%
2014 3%
2015 3%
Отрасль Доля сделок, %
Basic Materials 20%
Technology 28%
Consumer, Cyclical 2%
Consumer, Non-cyclical 10%
Diversified 0%
Energy 23%
Financial 6%
Industrial 4%
Вопросы студенческой науки Выпуск №5 (33), май 2019
Utilities 6%
Средняя стоимость сделки, млн руб. 13 236,79
Средняя стоимость компании-покупателя до объявления о сделке (млн руб.): 616 699
Средняя стоимость компании-покупателя через (млн руб.):
1 год после объявления сделки 729 740
2 года после объявления сделки 693 652
3 года после объявления сделки 630 972
Перейдем к полученным практическим путем результатов исследования.
При построении регрессии в качестве объясняемой переменной были использованы рассчитанные величины синергетического эффекта через один, два и три года после объявления об осуществлении сделки. Cинергетический эффект представляет собой разницу между рыночной капитализацией объединенной компании (через 1, 2 и 3 года после объявления о сделке), капитализацией компании-покупателя до сделки и объявленной стоимости сделки.
В качестве объясняющих переменных были использованы показатели выручки, чистой прибыли, рентабельности активов, рентабельности собственного капитала, финансового левериджа, показателя цена/прибыль (P/E) за аналогичный период времени (через один, два и три года после объявления об осуществлении сделки).
Принимая во внимание результаты расчетов, для более логичного и глубокого анализа было принято решение разделить выборку на 2 части: сделки, объявленные в периоды роста экономики (2005-2007, 2010-2012, 2016-2017 гг.) и сделки, объявленные в периоды кризисов (2008-2009, 2013-2015 гг.).
Для удобства названия переменных были переименованы:
• величина синергии (Synergy) - Y;
• выручка (Sales) - X1;
• чистая прибыль (Net profit) - X2;
• рентабельность активов (ROA)- X3;
• рентабельность собственного капитала (ROE) - X4;
• финансовый леверидж (D/E) - X5;
• Цена/Прибыль (P/E) - X6.
бедует отметить, что показатели выручки, чистой прибыли, рентабельности активов в наибольшей степени характеризуют операционную синергию, а показатели рентабельности собственного капитала, финансового левириджа, цена/прибыль - финансовую.
Перейдем к построению регрессии для периода роста, анализу влияния факторов через год после объявления о сделке.
На первом этапе необходимо убедиться в том, что мультиколлинеарность в модели отсутствует. Для этого для каждого анализируемого периода была построена матрица парных коэффициентов корреляции. Матрица для первого анализируемого периода (через год после объявления о сделке) представлена в табл. 2.
Таблица 2. Корреляционная матрица (периоды роста, анализ влияния факторов через год после объявления о
сделке)
Y X1 X2 X3 X4 X5 X6
Y 1,00
X1 0,19 1,00
X2 0,44 0,71 1,00
X3 0,22 0,20 0,41 1,00
X4 0,34 0,32 0,71 0,26 1,00
Вопросы студенческой науки Выпуск №5 (33), май 2019
X5 -0,01 0,31 0,19 0,00 -0,07 1,00
X6 0,02 -0,33 -0,27 0,06 0,11 -0,21 1,00
На основе приведенной выше матрицы можно заключить, что установленный показатель 0,7 превышают две пары переменных: X1 (выручка) и X2 (чистая прибыль/убыток), X2 (чистая прибыль/убыток) и X4 (ROE). Для того чтобы исключить мультиколлинеарность в модели, регрессия была построена без переменной X2 (чистая прибыль/убыток). Регрессионная статистика модели представлена в табл. 3.
Таблица 3. Регрессионная статистика (периоды роста, анализ влияния факторов через год после
объявления о сделке)
Статистика регрессии
Множественный R 37%
R-квадрат 14%
Нормированный R-квадрат 7%
Стандартная ошибка 215 267,53
Наблюдения 69
Значимость коэффициентов регрессии представлена в табл. 4.
Таблица 4. Значимость коэффициентов регрессии: t-статистика и p-значения
t-статистика P-Значение
Y-пересечение -0,433 0,666
X1 0,600 0,551
X3 1,052 0,297
X4 2,064 0,043
X5 -0,100 0,920
X6 0,038 0,970
Результаты расчетов показывают, что все факторы, кроме X4 (ROE), незначимы. Регрессия в целом значима. Построим регрессионную модель, включающую только показатель X4 (ROE), регрессионная статистика и значимость коэффициентов представлены в табл. 5 и табл. 6 соответственно.
Таблица 5. Регрессионная статистика (периоды роста, анализ влияния факторов через год после объявления о
сделке)
Статистика регрессии
Множественный R 34%
R-квадрат 11%
Нормированный R-квадрат 10%
Стандартная ошибка 211 592,38
Наблюдения 69
Таблица 6. Значимость коэффициентов регрессии: t-статистика и p-значения
t-статистика P-Значение
Y-пересечение -0,2934577 0,77007941
X4 2,91156292 0,0048797
Таким образом, синергия, полученная в результате слияния компаний через 1 год после объявления о сделке в секторе технологий и инноваций в периоды экономического роста российской экономики, зависит от показателя рентабельности собственного капитала.
Построение модели для выявления факторов влияния на величину синергетического эффекта для остальных периодов было осуществлено аналогично представленным выше расчетам.
Общие результаты исследования можно представить в виде сводной таблицы (табл. 7).
Таблица 7. Сводная таблица факторов, влияющих на величину синергетического эффекта в секторе
технологий и инноваций на российском рынке сделок M&A
Период после объявления о сделке Период состояния экономики
Рост Кризис
Год +1 ROE P/E
Год +2 Чистая прибыль/убыток Выручка
Год +3 Чистая прибыль/убыток Чистая прибыль/убыток
Таким образом, в настоящем исследовании путем построения регрессионной модели было проанализировано влияние различных факторов (выручка, чистая прибыль, рентабельность активов, рентабельность собственного капитала, финансовый леверидж, показатель цена/прибыль) на величину синергетического эффекта через 1, 2 и 3 года после объявления о сделке в периоды роста и кризиса экономики для сферы технологий и инноваций. Результаты свидетельствуют о том, что в первый год после объявления о сделке наибольшее влияние на величину синергии оказывают показатель ROE компании-покупателя в периоды роста экономики и показатель P/E в периоды кризисов. Показатели ROE и P/E характеризуют финансовый эффект синергии. Также, можем видеть, что через 2 и 3 года после объявления о сделке на величину синергии (прирост стоимости компании) в основном влияет показатель чистой прибыли/убытка, который характеризует операционный эффект синергии (за исключением второго года после объявления в период кризиса, где наибольшее влияние оказывает выручка, которая также характеризует операционный эффект). Полученные результаты соответствуют тенденциям рынка слияний и поглощений технологической отрасли и иллюстрируют факт того, что наибольший прирост стоимости компании-покупателя в первый год после объявления о сделке происходит за счет финансовых эффектов синергии, а в два последующих - за счет операционных эффектов.
Список используемой литературы:
1. Тирнан, Ш. Рынок слияний и поглощений в России в 2018 году / Ш. Тиран [и др.] - М.: АО «КПМГ», 2019. - 40 с.
2. Родионов И.И., Михальчук В.Б. Оценка размера и структуры синергии во внутрироссийских сделках слияний и поглощений в 2006-2014гг // Современная конкуренция. №6(54), 2015. - с. 38-51.
3. http://www.bloomberg.com - аналитический ресурс.
