【文章內(nèi)容簡介】 量是計(jì)算超常收益AR的關(guān)鍵步驟。作為同期應(yīng)有收益的參考標(biāo)準(zhǔn)，E(R)通常采用市場模型法(風(fēng)險調(diào)整模型中最常用的一種)、均值調(diào)整法和市場調(diào)整法進(jìn)行估計(jì)。鑒于市場模型的廣泛應(yīng)用，同時為了與其他研究增強(qiáng)可比性，我們采用市場模型計(jì)算E(R)。事件期[30,30]內(nèi)第t日的平均超常收益ARt和T1到T2日之間的累積平均超常收益CART1,T2的計(jì)算公式如下：，t=30,…，0，…，＋30，i=某樣本公司，N=樣本公司總數(shù) (1) (2)其中，是運(yùn)用市場模型、利用估計(jì)期[180，31]某公司股票連續(xù)復(fù)利報酬率和市場指數(shù)連續(xù)復(fù)利報酬率數(shù)據(jù)回歸得到的普通最小二乘法回歸系數(shù)；是事件期內(nèi)第t日第i家公司股票的連續(xù)復(fù)利報酬率，該指標(biāo)選取的是CSMAR系列數(shù)據(jù)庫中考慮現(xiàn)金紅利的日個股回報率，但由于CSMAR系列數(shù)據(jù)庫中的日個股回報率為百分比報酬率，需要加以轉(zhuǎn)換，即=ln(+1)；是事件期內(nèi)第t日市場指數(shù)的連續(xù)復(fù)利報酬率，該指標(biāo)選取的是滬深兩市所有AB股等權(quán)平均法下、考慮現(xiàn)金紅利的綜合日市場回報率，由于CSMAR數(shù)據(jù)庫中的日個股回報率為百分比報酬率，需要加以轉(zhuǎn)換，即=ln(+1)。二、統(tǒng)計(jì)檢驗(yàn)——標(biāo)準(zhǔn)化橫剖面法和符號檢驗(yàn)本文對、建立的顯著性檢驗(yàn)的t統(tǒng)計(jì)量采用的是Boehmer，Musumeci和Poulsen(1991) 【17】提到的標(biāo)準(zhǔn)化橫剖面法(standardized residual crosssectional method)，其計(jì)算公式分別為： (3)(4)其中，和分別為和標(biāo)準(zhǔn)化后的形式，它們是計(jì)算標(biāo)準(zhǔn)化橫剖面法下t統(tǒng)計(jì)量的基礎(chǔ)其計(jì)算公式分別為：(5) (6)在(5)式中，為用估計(jì)期[r1,r2]數(shù)據(jù)估計(jì)事件期第t日殘差時，需要考慮的期外估計(jì)調(diào)整值，為估計(jì)期第i家公司證券殘差的均方根(root of mean square error)，為調(diào)整值的一部分結(jié)構(gòu)式 Patell(1976)用C表示調(diào)整值的這部分，本文在此沿用，后文提法相同。，T為估計(jì)期天數(shù)，為市場指數(shù)在第i家公司證券事件期第t日的報酬率，為市場指數(shù)在第i家公司證券估計(jì)期第r日的報酬率，為市場指數(shù)在第i家公司證券估計(jì)期的簡單平均報酬率。統(tǒng)計(jì)量和符合自由度為T2的t分布，它們可以用來檢驗(yàn)和是否顯著異于0。而和與和的差異僅在于多了分母，使得數(shù)值變大。因此，統(tǒng)計(jì)量和同樣可以用來檢驗(yàn)和是否顯著異于0。之所以采用統(tǒng)計(jì)量和，是因?yàn)闃?biāo)準(zhǔn)化橫剖面法在理論上需要滿足的假設(shè)與其他常用的統(tǒng)計(jì)量設(shè)計(jì)方法相比最少，只要求單個公司證券的異常報酬率在事件期的橫截面上是相互獨(dú)立的 由于各公司并購活動的事件日頗為分散，不太可能存在事件日集中的問題，因此在研究并購活動時這個假設(shè)是可以滿足的。這種方法通過標(biāo)準(zhǔn)化，考慮了期外估計(jì)的影響，修正了事件期異常報酬率方差的計(jì)算，放松了估計(jì)期殘差的方差等于事件期預(yù)測誤差的方差的假設(shè)。此外，標(biāo)準(zhǔn)化的過程使得單個公司證券異常報酬率符合標(biāo)準(zhǔn)常態(tài)分布，滿足了統(tǒng)計(jì)檢驗(yàn)時要求的各公司證券的異常報酬率方差在同一事件日相同的假設(shè)。Boehmer，Musumeci和Poulsen(1991)【17】實(shí)證模擬的結(jié)果也表明這種方法的優(yōu)越性。本文還進(jìn)行符號檢驗(yàn)，作為參數(shù)檢驗(yàn)的補(bǔ)充。符號檢驗(yàn)z統(tǒng)計(jì)量的計(jì)算公式如下：；其中，、分別為事件期t日AR0和CAR0的樣本比重。N為事件期t日樣本數(shù)。實(shí)證結(jié)果與分析一、并購事件的總樣本 表1 總樣本估計(jì)期各參數(shù)的匯總統(tǒng)計(jì)量變量均值標(biāo)準(zhǔn)偏差N最小值最大值中位數(shù)偏度SiaibiR2DWp_DWCit212821282128212821282128129808 129808＝212861，即N等于樣本數(shù)和事件日的乘積。表1列出了估計(jì)期各參數(shù)的主要統(tǒng)計(jì)量。，和R_Squared分別為利用估計(jì)期各股收益率和市場指數(shù)收益率數(shù)據(jù)、根據(jù)市場模型進(jìn)行回歸得到的最小二乘回歸參數(shù)和回歸式擬和優(yōu)度判定系數(shù)R2。從均值可以判斷，≈0，≈1，表明總體樣本構(gòu)成的等權(quán)組合其系統(tǒng)風(fēng)險與本文選擇的等權(quán)綜合市場指數(shù)的系統(tǒng)風(fēng)險是一致的，選樣過程基本隨機(jī)，且滿足市場模型應(yīng)用的條件。R2的均值和中位數(shù)接近，；同時，各股收益率和市場指數(shù)收益率的相關(guān)系數(shù)R等于R2的正的平方根，說明市場模型較好地捕捉了各股收益率和市場指數(shù)收益率地關(guān)系。一階自回歸系數(shù)p_DW趨近于0，杜賓統(tǒng)計(jì)量DW趨近于2，說明回歸式的建立不存在顯著的自相關(guān)問題，參數(shù)估計(jì)較為正確。Si和Cit是期外估計(jì)時調(diào)整AR進(jìn)行標(biāo)準(zhǔn)化所用到的數(shù)值，Cit和以往的研究結(jié)果類似，其值接近于1。表2 總樣本AR和CAR的描述性統(tǒng)計(jì)量分析變量：AR N 均值 標(biāo)準(zhǔn)偏差 最小值 最大值 129808 分析變量：CAR N 均值 標(biāo)準(zhǔn)偏差 最小值 最大值 129808 表2關(guān)于AR和CAR的描述性統(tǒng)計(jì)結(jié)果顯示，兩者的取值范圍較為合理，故沒有進(jìn)行極值的刪除，而是在后文進(jìn)行分類討論，以便考察與AR、CAR變化相關(guān)的原因。 從圖1可以明顯看出，在事件日前12日內(nèi)，AR就一直大于0，尤其在[4,0]日均顯著為正，p≤；CAR更顯示出一路上揚(yáng)的趨勢，自8日起就一直保持顯著為正的情形，％。戲劇性的是，隨即1日AR就跌至0以下，且在后續(xù)時間內(nèi)經(jīng)常為負(fù)，AR只在1225日顯著。相對應(yīng)的，CAR一路下跌，只是下跌的幅度沒有0日以前上升的幅度那么陡峭，但在30日時，%附近，且0日后一直顯著。從符號檢驗(yàn)來看，AR0的樣本比重幾乎一直顯著小于50%，只有在0日AR0的樣本比重才大于50%，但只有0日顯示為正。從6日起，CAR0的樣本比重一直大于50%，且在大部分時間(即在[3,24]的事件窗內(nèi))都顯著大于50%。CAR的參數(shù)檢驗(yàn)和非參數(shù)檢驗(yàn)的結(jié)果顯示，并購事件公布之前，市場已經(jīng)作出了明顯的反應(yīng)，說明消息可能有所泄漏，或者市場可能對并購事件有所預(yù)期從而提前反應(yīng)(由于事件日在數(shù)據(jù)庫中的定義可能導(dǎo)致市場對并購事件的預(yù)期，參見上文)?？倶颖驹?日附近CAR有顯著上升勢頭，這和張新(2003)的發(fā)現(xiàn)一致，說明并購活動的確會給相關(guān)公司股東帶來顯著的財(cái)富效應(yīng)。 二、不同并購類型的子樣本根據(jù)CSMAR系列兼并收購數(shù)據(jù)庫給出的業(yè)務(wù)類型，本文將并購類型分為股權(quán)收購、資產(chǎn)收購、資產(chǎn)剝離、股權(quán)轉(zhuǎn)讓、置換、債務(wù)重組六大類。由于要對之前的并購總樣本按照并購類型進(jìn)行分類研究，所以如果同一公司在某個事件0日發(fā)生的并購活動類型超過一種，就將該類樣本剔出，因而并購類型子樣本的合計(jì)數(shù)比總樣本偏少。表3 按照并購類型分類的總樣本　股權(quán)收購資產(chǎn)收購資產(chǎn)剝離股權(quán)轉(zhuǎn)讓置換債務(wù)重組合計(jì)樣本數(shù)43222562454716731998 合計(jì)數(shù)比總樣本少，這是由于同一公司同一事件日發(fā)生不同類型的并購交易時，會將