Детерминанты эффективности сделок слияний и поглощений в нефтегазовой отрасли

Источник: составлено автором

Мы можем видеть, что наименьшее число наблюдений характерно для переменных Reserves, Lassets и ROA.

Таким образом, для проведения эмпирического исследования была сформирована выборка из 178 сделок слияний и поглощений в нефтегазовой отрасли за 2010-2019 гг. Данные были взяты из баз данных Capital IQ и Bloomberg. Было введено ограничение, согласно которому совокупная величина сделки превышает 200 млн. долл. Данное ограничение позволяет добиться большей однородности выборки, что должно положительно сказываться на качестве модели. 76% всех сделок составляли внутренние сделки.

3.2 Выявление факторов, оказывающих влияние на эффективность сделок слияния и поглощения в нефтегазовой отрасли

По алгоритму, рассмотренному ранее, мы рассчитали показатель CAAR.

Далее, перейдем к анализу расчетов средних накопленных избыточных доходностей.

Таблица 2 демонстрирует проверку значимости полученных значений CAAR для различных окон.

Таблица 2. Проверка значимости расчетов накопленной избыточной доходности

Окно события	CAAR	Значимость
(-1;+1)	0.97%	2.0618*
(-3;+3).	0.57%	1.113
(-5;+5)	0.12%	0.2536
(-10;+10)	0.26%	0.3942

Источник: расчеты автора

Мы можем сделать вывод, что значимость CAAR наблюдается для самого короткого окна (-1; +1) на уровне 5%. Для остальных окон CAAR незначим на уровне 5%.

В среднем CAAR для выборки равнялась 0,26% в рамках окна на 21 день. Для окна (-1; +1) среднее значение составляет 0,97% (5% уровень значимости).

На основе анализа абсолютных и средних значений CAAR мы можем сделать вывод, что в целом для рассматриваемого периода эффективность сделок слияний и поглощений в нефтегазовой отрасли была положительной. Следовательно, мы подтверждаем на уровне 5% следующую гипотезу для окна (-1; +1):

Гипотеза 1 (H1): эффективность сделок в нефтегазовой отрасли является положительной.

На следующем этапе мы провели корреляционный анализ.

С помощью корреляционного анализа мы сможет оценить риск мультиколлинеарности.

Корреляционная матрица для переменных модели представлена в таблице 3 в Приложении.

Наибольшее значение коэффициента корреляции составляет 0,291 для переменных Lassets и Reserves. Это является относительно низким значением (Гржибовский, 2008), поэтому риск мультиколлинеарности является низким.

Следовательно, мы может одновременно включить все переменные в модель.

Результаты расчета регрессионной модели представлены в таблице ниже.



Таблица 3. Результаты регрессионного анализа для событийного окна в 21 день

	Коэффициент	Станд. ошибка	t-value	P>t	[95% Conf. Interval]
Price	.0005746	.0002442	2.35	0.021	.0000898	.0010593
Reserves	-.0158766	.0047257	-3.36	0.001	-.025257	-.0064962
Lassets	-.0082174	.0091512	-0.90	0.371	-.0263823	.0099476
Developed	.0193399	.0173817	1.11	0.269	-.0151625	.0538423
Trans	.0472533	.0197657	2.39	0.019	.0080188	.0864879
ROA	-.0006094	.0009901	-0.62	0.540	-.0025748	.001356
Value	-.001399	.0063025	-0.22	0.825	-.0139095	.0111114
_cons	.001817	.0511009	0.04	0.972	-.0996176	.1032515
R-squared	0.1965
Adj R-squared	0.1379
F( 8, 64)	3.35
Prob > F	0.0031

Источник: расчеты автора

Значение F-статистики составляет 2,9. Следовательно, мы можем отвергнуть нулевую гипотезу о незначимости модели на уровне значимости 1%.

Коэффициент детерминации модели составляет 0,197. Следовательно, с помощью переменных, включенных в модель, можно объяснить 19,7% изменений CAAR.

Мы убрали из модели наименее значимые переменные, чтобы проверить, как это отразится на общей значимости модели:

Таблица 4. Результаты регрессионного анализа для событийного окна в 21 день

	Коэффициент	Станд. ошибка	t-value	P>t	[95% Conf. Interval]
Price	.0005695	.0002269	2.51	0.014	.0001194	.0010197
Reserves	-.0145953	.0044928	-3.25	0.002	-.0235078	-.0056827
Lassets	-.0090698	.0080538	-1.13	0.263	-.0250465	.0069068
Developed	.0152433	.0162287	0.94	0.350	-.0169501	.0474367
Trans	.043324	.0188766	2.30	0.024	.0058778	.0807702
_cons	-.0021655	.0360223	-0.06	0.952	-.0736241	.0692931
R-squared	0.1868
Adj R-squared	0.1466
F( 8, 64)	4.64
Prob > F	0.0007

Значимость модель выросла, при этом значимость переменных на уровне 5% осталась прежней.

Значимость модели позволяем нам интерпретировать полученные результаты.

Были подтверждены следующие гипотезы на уровне значимости 5%:

Гипотеза 4 (H4): эффективность сделки слияния и поглощения в нефтегазовой отрасли выше для трансграничных сделок, чем для сделок, совершенных компаниями из одной и тоже же страны;

Гипотеза 5 (H5): более высокий уровень мировых цен на нефть оказывает положительное влияние на эффективность сделок слияний и поглощений в нефтегазовой отрасли;

Гипотеза 6 (H6): уровень доказанных запасов нефти и газа компании-покупателя оказывает отрицательное влияние на эффективность сделок слияний и поглощений в нефтегазовой отрасли;

Гипотеза 7 (H7): абсолютный размер сделки слияния или поглощения не влияет на эффективность сделок слияний и поглощений в нефтегазовой отрасли.

Следующие гипотезы мы отвергли, так как соответствующие переменные не были значимыми на уровне 5%:

Гипотеза 2 (H2): доходность активов (ROA) компании-покупателя оказывает значимое положительное влияние на эффективность сделок слияний и поглощений в нефтегазовой отрасли;

Гипотеза 3 (H3): эффективность сделки слияния и поглощения в нефтегазовой отрасли выше для сделок в развитых странах, чем в развивающихся.

Мы также рассчитали модель, где в качестве независимой переменной выступает CAAR, рассчитанная для событийного окна в 11 дней.

Результаты проведения регрессионного анализа для событийного окна в 11 дней представлены в таблице 5.

Таблица 5. Результаты регрессионного анализа для событийного окна в 11 дней

	Коэффициент	Станд. ошибка	t-value	P>t	[95% Conf. Interval]
Price	.0003348	.0001271	2.36	0.010	.0000826	.000587
Reserves	-.0031359	.0024588	-1.28	0.205	-.0080166	.0017447
Lassets	.0004968	.0047614	0.10	0.917	-.0089545	.009948
Developed	-.0041784	.0090437	-0.46	0.645	-.0221301	.0137732
Trans	.008458	.0102841	0.82	0.413	-.0119558	.0288718
ROA	-.0006013	.0005152	-1.17	0.246	-.0016239	.0004213
Value	.0007486	.0032792	0.23	0.820	-.0057606	.0072578
_cons	-.0278814	.0265879	-1.05	0.297	-.080658	.0248951
R-squared	0.1168
Adj R-squared	0.0524
F( 8, 64)	1.81
Prob > F	0.0931

Источник: расчеты автора

Результаты t-тестов следующие:

коэффициент при переменной Price положительный и значим (уровень значимости 5%);

коэффициент при переменной Reserves отрицательный и не значим на уровне 5%;

коэффициент при переменной Lassets положительный и не значим на уровне 5%;

коэффициент при переменной Brent положительный и не значим на уровне 5%;

коэффициент при переменной Developed отрицательный и не значим на уровне 5%;

коэффициент при переменной Trans положительный и не значим на уровне 5%;

коэффициент при переменной ROA отрицательный и не значим на уровне 5%;

коэффициент при переменной Value положительный и не значим на уровне 5%.

Таким образом, модель для событийного окна в 11 дней является не значимой.

Мы также рассчитали регрессию для событийного окна в 3 дня:

Таблица 6. Результаты регрессионного анализа для событийного окна в 3 дня

	Коэффициент	Станд. ошибка	t-value	P>t	[95% Conf.	Interval]
Price	.0003352	.0001367	2.45	0.016	.0000641	.0006064
Reserves	-.0045555	.0026965	-1.69	0.094	-.0099033	.0007923
Lassets	-.0014855	.0052149	-0.28	0.776	-.011828	.008857
Developed	-.0002408	.0097596	-0.02	0.980	-.0195967	.0191151
Trans	.0132278	.0108367	1.22	0.225	-.0082643	.0347199
ROA	-.0003402	.0005777	-0.59	0.557	-.001486	.0008056
Value	.0000269	.0034823	0.01	0.994	-.0068794	.0069332
_cons	-.0108733	.0285809	-0.38	0.704	-.0675568	.0458103
R-squared	0.0999
Adj R-squared	0.0387
F( 8, 64)	1.63
Prob > F	0.1343

Источник: расчеты автора

Модель в целом является не значимой, но значимость модели существенно выросла после исключения наименее значимых переменных:

Таблица 7. Результаты регрессионного анализа для событийного окна в 11 дней

	Коэффициент	Станд. ошибка	t-value	P>t	[95% Conf. Interval]
Price	.0003224	.0001282	2.51	0.013	.0000683	.0005765
Reserves	-.0052095	.0024449	-2.13	0.035	-.0100538	-.0003653
Trans	.0137756	.0092054	1.50	0.137	-.0044637	.0320148
ROA	-.0004475	.0005373	-0.83	0.407	-.0015121	.0006171
_cons	-.0140601	.0114574	-1.23	0.222	-.0367614	.0086412
R-squared	0.1037
Adj R-squared	0.0717
F( 8, 64)	3.24
Prob > F	0.0148

Источник: расчеты автора

Мы можем сделать вывод, что переменные Price и Reserves являются значимыми на уровне 5%, как и модель в целом.

Далее мы подробнее рассмотрим факторы, которые оказывали влияние на эффективность сделок слияний и поглощений.

В целом за рассматриваемый период наблюдалась отрицательная динамика эффективности сделок, как показывает наклон уравнения регрессии (рисунок ниже).

Рисунок 5. Динамика CAAR за 2010-2019 гг. для всей выборки

Следовательно, мы можем сделать вывод о том, что в 2010-2014 гг. эффективность сделок слияний и поглощений в нефтегазовой отрасли была выше, чем в 2014-2019 гг.

Далее, рассмотрим фактора трансграничного характера сделки с точки зрения формирования эффективности сделок слияний и поглощений.

Динамика CAAR за 2010-2019 гг. для трансграничных сделок представлена на рисунке 6.

Рисунок 6. Динамика CAAR за 2010-2019 гг. для трансграничных сделок

Источник: расчеты автора

Для трансграничных сделок также наблюдается сокращение эффективности на протяжении 2010-2019 гг.

Этот же вывод справедлив и для внутренних сделок (рисунок 7).

Рисунок 7. Динамика CAAR за 2010-2019 гг. для внутренних сделок

Источник: расчеты автора

Рассчитанная модель позволяет нам сделать вывод, что эффективность сделки слияния и поглощения в нефтегазовой отрасли выше для трансграничных сделок, чем для сделок, совершенных компаниями из одной и тоже же страны. Это подтверждает результаты ряда исследований (например, Singla (2012)).

Следовательно, мы можем сделать вывод, что инвесторы положительно воспринимают информацию о трансграничном характере сделок. Трансграничный характер сделки может свидетельствовать о более высоком потенциале расширения рынка сбыта для компании-покупателя.

Другой фактор, который оказывал значимое влияние на эффективность сделок слияний и поглощений в нефтегазовой отрасли, - уровень мировых цен на нефть.

Как показывают результаты модели, данный фактор значимо влияет на CAAR, об это же свидетельствует графический анализ (рисунок 8).

Рисунок 8. Точечная диаграмма для CAAR и Price для всей выборки

Источник: расчеты автора

Как мы и предполагали, снижение мировых цен на нефть сказывается на финансовых результатах компании, что негативно восприниматься участниками рынка при анализе сделки слияния и поглощения. И наоборот, совершение сделок в период роста конъюнктуры на мировом рынке нефти повышает эффективности этих сделок.

Значимым фактором, оказывающим влияние на эффективность сделок слияний и поглощений в нефтегазовой отрасли, был признан размер доказанных резервов компании-покупателя (логарифм).

Графический анализ этого фактора представлен на рисунке 9.

Рисунок 9. Точечная диаграмма для CAAR и Reserves для всей выборки

Источник: расчеты автора

Эмпирическая модель позволила нам сделать вывод, что логарифм доказанных запасов нефти и газа компании-покупателя оказывает значимое негативное влияние на эффективность сделок слияний и поглощений в нефтегазовой отрасли. Такая зависимость может быть связана с тем, что компании, которые характеризуются дефицитом ресурсов, могут испытывать более острую потребность в приобретении новых активов в результате сделок слияний и поглощений. Поэтому участники рынка воспринимают эту информацию как сигнал о потенциально высоком положительном эффекте для компании-покупателя в случае совершения сделки компанией, обладающей относительно небольшими запасами нефти и газа.

Мы также подтвердили гипотезу, согласно которой абсолютный размер сделки слияния или поглощения не оказывает значимого влияния на эффективность сделки в нефтегазовой отрасли. Как и ожидалось, данный показатель не является информативным индикатором для участников рынка при анализе сделки.

Важно отметить, что, хотя мы выявили три фактора, которые оказывали значимое влияние на эффективность сделок слияний и поглощений в нефтегазовой отрасли, мы также опровергли три гипотезы.

Так, не было выявлено значимой зависимости между ROA и эффективностью сделок. Не было также выявлено взаимосвязи между CAAR и дамми-переменной, характеризующей принадлежность компании-покупателя к развитым странам.

Отсутствие значимости связи может быть связано с ограничениями модели.

Во-первых, в качестве метода анализа был использован метод наименьших квадратов. Данный метод учитывает линейные взаимосвязи между переменными. Для анализа более сложных форм зависимостей могут быть использованы другие модели.

Во-вторых, на качество модели может оказывать относительно небольшой размер выборки (178 сделок). Расширение выборки может повысить качество модели.

Вывод по Главе 3

Для проведения эмпирического исследования была сформирована выборка из 178 сделок слияний и поглощений в нефтегазовой отрасли за 2010-2019 гг. Данные были взяты из баз данных Capital IQ и Bloomberg. В целом для рассматриваемого периода эффективность сделок слияний и поглощений в нефтегазовой отрасли была положительной, в среднем CAAR для выборки равнялась 0,26%. Рассчитанная эконометрическая модель является значимой, согласно F-тесту. Была подтверждена гипотеза 4 (H4): эффективность сделки слияния и поглощения в нефтегазовой отрасли выше для трансграничных сделок, чем для сделок, совершенных компаниями из одной и тоже же стран. Также, были подтверждены гипотезы H5, H6 и H7.

Заключение

Проведенное исследование позволило выполнить цель, которая заключается в изучении детерминант эффективности сделок слияний и поглощений в нефтегазовой отрасли на современном этапе.

На основе анализа теоретических и эмпирических исследований были сформулированы гипотезы. На основе эконометрического анализа данные гипотезы были проверены, а также были выявлены три детерминанты эффективности сделок слияний и поглощений в нефтегазовой отрасли на современном этапе.

По результатам исследования мы сделали следующие выводы:

В нефтегазовой отрасли понятие M&A сделки понимается в более широком смысле, чем обычный подход, и включает в себя любое крупное приобретение активов и запасов компании, не обязательно подразумевающее приобретение всего предприятия. Основными мотивами нефтегазовых компаний осуществлять M&A сделки можно считать достижение эффекта синергии, наличие фундаментальных шоков на рынке, возможность увеличения собственных запасов в долгосрочном аспекте.

В рамках эконометрического моделирования зависимой переменной выступает показатель кумулятивной избыточной доходности, который отражает процесс нахождения отклонений доходности акций компании-покупателя от среднерыночной доходности за определенный период до и после объявления о сделке слияния и поглощения. В модель включены также две фиктивные переменные: расположение компании-покупателя в развитой стране, трансграничных характер сделки, при этом методом эконометрического анализа для оценки коэффициентов данной выбран метод наименьших квадратов.

Для проведения эмпирического исследования была сформирована выборка из 178 сделок слияний и поглощений в нефтегазовой отрасли за 2010-2019 гг. Данные были взяты из баз данных Capital IQ и Bloomberg. Было введено ограничение, согласно которому совокупная величина сделки превышает 200 млн. долл. Данное ограничение позволяет добиться большей однородности выборки, что должно положительно сказываться на качестве модели. 76% всех сделок составляли внутренние сделки.

В целом для рассматриваемого периода эффективность сделок слияний и поглощений в нефтегазовой отрасли была положительной, в среднем CAAR для выборки равнялась 0,26% для окна в 21 день.

Рассчитанная модель позволила нам сделать вывод, что эффективность сделки слияния и поглощения в нефтегазовой отрасли выше для трансграничных сделок, чем для сделок, совершенных компаниями из одной и тоже же страны. Кроме того, снижение мировых цен на нефть сказывается на финансовых результатах компании, что негативно воспринимается участниками рынка при анализе сделки слияния и поглощения. И наоборот, совершение сделок в период роста конъюнктуры на мировом рынке нефти повышает эффективности этих сделок.

Эмпирическая модель позволила нам сделать вывод, что логарифм доказанных запасов нефти и газа компании-покупателя оказывает значимое негативное влияние на эффективность сделок слияний и поглощений в нефтегазовой отрасли. Такая зависимость может быть связана с тем, что компании, которые характеризуются дефицитом ресурсов, могут испытывать более острую потребность в приобретении новых активов в результате сделок слияний и поглощений. Поэтому участники рынка воспринимают эту информацию как сигнал о потенциально высоком положительном эффекте для компании-покупателя в случае совершения сделки компанией, обладающей относительно небольшими запасами нефти и газа.

Рассчитанная модель имеет определенные ограничения, включая учет только линейного характера влияния детерминант.



Список литературы

Боталова В. В. Теоретические основы слияния и поглощения в России и за рубежом //Российское предпринимательство. - 2013. - №. 10 (232).

Гарифуллин Ф. Международные слияния и поглощения нефтегазовых компаний в условиях волатильности мировой экономики : диссертация кандидата экономических наук : 08.00.14 / Гарифуллин Фаннур Фаргатович; [Место защиты: Московский государственный институт международных отношений (университет) Министерства иностранных дел Российской Федерации]. - Москва, 2019. - 168 с.

Гржибовский, А. М. (2008). Корреляционный анализ. Экология человека, (9).

Погожева, А. А. (2013). Использование событийного анализа для оценки информационной значимости рекомендаций аналитиков по российским эмитентам. Корпоративные финансы, 7(2).

Решетько Н. И., Башкатова Ю. И. Сущность слияний и поглощений и их влияние на конкурентоспособность компаний на рынке //Интернет-журнал Науковедение. - 2015. - Т. 7. - №. 2 (27).

2020 oil and gas M&A outlook: bigger deals, fewer transaction / Аналитический отчет Deloitte. URL: https://www2.deloitte.com/content/dam/Deloitte/us/Documents/energy-resources/us-oilandgas-mna-2020-outlook.pdf

Akpan, U., Aik, N. C., Wanke, P. F., & Chau, W. H. (2018). Exploring the long-term trade-off between efficiency and value creation in horizontal M&As. African Journal of Economic and Management Studies.

Овчинникова Л.С. Подходы к определению экономической сущности сделок слияния и поглощения // Экономика и бизнес: теория и практика, 2019. - № 4-3.-С.108-112.

Boyer, M. M., & Filion, D. (2007). Common and fundamental factors in stock returns of Canadian oil and gas companies. Energy economics, 29(3), 428-453.

Campa, J. M., & Hernando, I. (2004). Shareholder value creation in European M&As. European financial management, 10(1), 47-81.

Chirita A. D. The Impact of Economic Efficiency on Employment: A Case Study of Mergers & Acquisitions //82nd International Atlantic Economic Society Conference Washington DC. - 2016.

Cong, R. G., Wei, Y. M., Jiao, J. L., & Fan, Y. (2008). Relationships between oil price shocks and stock market: An empirical analysis from China. Energy Policy, 36(9), 3544-3553.

Dakessian, L. C., & Feldmann, P. R. (2013). Multilatinas and value creation from cross-border acquisitions:: an event study approach. BAR-Brazilian Administration Review, 10(4), 462-489.

Desai, J., & Joshi, N. A. (2015). A Study on Mergers & Acquisitions in Oil & Gas Sector in India and Their Impact on the Operating Performance and Shareholders' Wealth. JBME-Journal of Business Management and Economics, 3 (12), December 2015.

Evans, B., Nyquist, S., & Yanosek, K. (2016). Mergers in a low oil-price environment: Proceed with caution. Journal of Petroleum Technology, 68(08), 49-51.

Gregory, A., & O'Donohoe, S. (2014). Do cross border and domestic acquisitions differ? Evidence from the acquisition of UK targets. International Review of Financial Analysis, 31, 61-69.

Harris, T. S., & Ohlson, J. A. (1987). Accounting disclosures and the market's valuation of oil and gas properties. Accounting Review, 651-670.

Henriques I., Sadorsky P. The effect of oil price volatility on strategic investment //Energy Economics. - 2011. - Т. 33. - №. 1. - С. 79-87.

Hsu K. C., Wright M., Zhu Z. What motivates merger and acquisition activities in the upstream oil & gas sectors in the US? //Energy economics. - 2017. - Т. 65. - С. 240-250.

Investing.com - официальный сайт портала. URL: https://ru.investing.com/

James, A, Zhang, B. (2002). Choosing Benchmarks and Test Statistics for Long Horizon Event Study. SSRN Electronic Journal. 10.2139/ssrn.303803.

Junior, P. R., Junior, P. R., de Oliveira Pamplona, E., & da Silva, A. F. (2013). Mergers and acquisitions: An efficiency evaluation. Applied Mathematics, 4(11), 1583.

Krishnakumar D., Sethi M. Methodologies used to determine mergers and acquisitions' performance //Academy of Accounting and Financial Studies Journal. - 2012. - Т. 16. - №. 3. - С. 75.

Ng, A., Donker, H., 2013. Purchasing reserves and commodity market timing as takeover motives in the oil and gas industry. Energy Econ. 37, 167-181.

O'Toole, C. M., & Tarp, F. (2014). Corruption and the efficiency of capital investment in developing countries. Journal of International Development, 26(5), 567-597.

Palmquist, S. (2015). Market dynamics of buyout acquisitions in the renewable energy and cleantech sectors: An event study approach / Renewable and Sustainable Energy Reviews, Volume 64, October 2016, Pages 271-278

Palmquist, S., & Bask, M. (2016). Market dynamics of buyout acquisitions in the renewable energy and cleantech sectors: An event study approach. Renewable and Sustainable Energy Reviews, 64, 271-278.

Rani, N., Surendra, Y.S., Jain, P.K. (2012), Impact of Mergers and Acquisition on returns to shareholders of acquiring firms: Indian economy in perspective, Journal of Financial Management and Analysis, 25(1) (2012) l-24.

Reddy, K. (2017). Cross-border mergers and acquisitions by oil and gas multinational enterprises: Geography-based view of energy strategy / Renewable and Sustainable Energy Reviews 72 (2017) 961-980

Sabet A. H., Heaney R. An event study analysis of oil and gas firm acreage and reserve acquisitions //Energy Economics. - 2016. - Т. 57. - С. 215-227.

Shah, P., & Arora, P. (2014). M&A announcements and their effect on return to shareholders: An event study. Accounting and Finance Research, 3(2), 170-190.

Simхes, M. D., Macedo-Soares, T. D. L., Klotzle, M. C., & Pinto, A. C. F. (2012). Assessment of Market Efficiency in Argentina, Brazil and Chile: an Event Study of Mergers and Acquisitions. BAR-Brazilian Administration Review, 9(2), 229-245.

Singla R., Saini A., Sharma R. Cross-border Mergers and Acquisitions: A Performance Evaluation of Indian Acquiring Companies //Asia-Pacific Journal of Management Research and Innovation. - 2012. - Т. 8. - №. 2. - С. 127-132.

Tikhomirov A. F., Kalchenko O. A., Bogacheva T. V. Assessment of the synergistic effect from solvency changes in M&A transactions based on a dynamic model //Proceedings of the 2019 International SPBPU Scientific Conference on Innovations in Digital Economy. - 2019. - С. 1-7.

Yaghoubi R. et al. Mergers and acquisitions: a review. Part 1 //Studies in Economics and Finance. - 2016.

Yoo, K., Lee, Y., & Heo, E. (2013). Economic effects by merger and acquisition types in the renewable energy sector: An event study approach. Renewable and Sustainable Energy Reviews, 26, 694-701.



Приложение

Рисунок 1. Активность нефтегазовых компаний на различных финансовых рынках в 2015-2019 гг., млрд. долл.

Источник: составлено автором на основе отчета Deloitte

Рисунок 2. Структура объема сделок M&A в нефтегазовой отрасли в мире в 2019 году

Источник: составлено автором на основе отчета Deloitte

Рисунок 3. Географическая структура величины сделок M&A в нефтегазовой отрасли в рамках сегмента Upstream в мире в 2019 году

Источник: составлено автором на основе отчета Deloitte.

Рисунок 4. Географическая структура величины сделок M&A в нефтегазовой отрасли в рамках сегмента Midstream в мире в 2019 году

Источник: составлено автором на основе отчета Deloitte

Рисунок 5. Динамика географической структуры величины сделок M&A в нефтегазовой отрасли в рамках сегмента Downstream в мире в 2015-2019 гг., млрд. долл.

Источник: составлено автором на основе отчета Deloitte

Таблица 1. Страны-лидеры по объему сделок слияний и поглощений в нефтегазовой отрасли в 2019 году

Место	Страна	Размер сделок
1	США	223,87
2	Великобритания	47,71
3	Бразилия	29,36
4	Мозамбик	22,02
5	Норвегия	18,91
6	Канада	18,35

Источник: составлено автором на основе отчета Deloitte



Таблица 2. Крупнейшие сделки M&A в нефтегазовой отрасли в мире в 2019 году

Страна	Компания-покупатель	Компания-цель	Размер сделки (млрд. долл.)
США	Occidental	Anadarko	57
Саудовская Аравия	Saudi Arabial Oil	Reliance Industries	15
США	Hilcorp Energy	BP	5,6
США	Callon Petroleum	Carrizo Oil & Gas	2,74
США	WPX Energy	Felix Energy II	2,5
США	Parsley Energy	Jagged Peak Energy	2,27
Индия	Indorama Ventures	Huntsman	2,08
Канада	Pembina Pipeline		1,73
США	SRC Energy		1,7

Источник: составлено автором

Рисунок 6. Алгоритм расчета показателя кумулятивной избыточной доходности

Источник: составлено автором

Таблица 3. Корреляционная матрица переменных модели

Источник: расчеты автора

Таблица 4. Результаты регрессионного анализа для событийного окна в 21 день (t-тесты)

Источник: расчеты автора



Таблица 5. Результаты регрессионного анализа для событийного окна в 3 дня

Источник: расчеты автора

Размещено на Allbest.ru

...