【文章內(nèi)容簡介】 R)的準確度量是計算超常收益AR的關(guān)鍵步驟。作為同期應(yīng)有收益的參考標準，E(R)通常采用市場模型法(風險調(diào)整模型中最常用的一種)、均值調(diào)整法和市場調(diào)整法進行估計。鑒于市場模型的廣泛應(yīng)用，同時為了與其他研究增強可比性，我們采用市場模型計算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，是運用市場模型、利用估計期[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)計檢驗——標準化橫剖面法和符號檢驗本文對、建立的顯著性檢驗的t統(tǒng)計量采用的是Boehmer，Musumeci和Poulsen(1991) 【17】提到的標準化橫剖面法(standardized residual crosssectional method)，其計算公式分別為： (3)(4)其中，和分別為和標準化后的形式，它們是計算標準化橫剖面法下t統(tǒng)計量的基礎(chǔ)其計算公式分別為：(5) (6)在(5)式中，為用估計期[r1,r2]數(shù)據(jù)估計事件期第t日殘差時，需要考慮的期外估計調(diào)整值，為估計期第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家公司證券估計期第r日的報酬率，為市場指數(shù)在第i家公司證券估計期的簡單平均報酬率。統(tǒng)計量和符合自由度為T2的t分布，它們可以用來檢驗和是否顯著異于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)計量和同樣可以用來檢驗和是否顯著異于0。之所以采用統(tǒng)計量和，是因為標準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)計量設(shè)計方法相比最少，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。這種方法通過標準化，考慮了期外估計的影響，修正了事件期異常報酬率方差的計算，放松了估計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，標準化的過程使得單個公司證券異常報酬率符合標準常態(tài)分布，滿足了統(tǒng)計檢驗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】實證模擬的結(jié)果也表明這種方法的優(yōu)越性。本文還進行符號檢驗，作為參數(shù)檢驗的補充。符號檢驗z統(tǒng)計量的計算公式如下：；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)。實證結(jié)果與分析一、并購事件的總樣本 表1 總樣本估計期各參數(shù)的匯總統(tǒng)計量變量均值標準偏差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列出了估計期各參數(shù)的主要統(tǒng)計量。，和R_Squared分別為利用估計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)風險與本文選擇的等權(quán)綜合市場指數(shù)的系統(tǒng)風險是一致的，選樣過程基本隨機，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)估計較為正確。Si和Cit是期外估計時調(diào)整AR進行標準化所用到的數(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)計量分析變量：AR N 均值 標準偏差 最小值 最大值 129808 分析變量：CAR N 均值 標準偏差 最小值 最大值 129808 表2關(guān)于AR和CAR的描述性統(tǒng)計結(jié)果顯示，兩者的取值范圍較為合理，故沒有進行極值的刪除，而是在后文進行分類討論，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，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)檢驗和非參數(shù)檢驗的結(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)重組合計樣本數(shù)43222562454716731998 合計數(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