Оценка эффективности сделок слияния и поглощения в циклических отраслях на примере металлургической отрасли
Структура рынка черной металлургии. Анализ существующих методов оценки эффективности сделок слияния и поглощения в отрасли черной металлургии. Основные факторы, их определяющие. Методика событийного анализа. Выбор оценочного окна. Определение доходностей.
| Рубрика | Маркетинг, реклама и торговля |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 01.08.2017 |
| Размер файла | 408,1 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
После того, как будут получены коэффициенты регрессии, они будут проверены на значимость с помощью сравнения значения p-value для каждого фактора с уровнем значимости. А затем модель будет специфицирована путем исключения незначимых коэффициентов.
И на заключительном этапе модель будет проверена на гетероскедастичность и мультиколлинеарность, и в случае обнаружения данных явлений, будут применены методы для их устранения.
2.3 Сбор данных и описание полученной выборки
Для целей исследования было необходимо получить выборку по сделкам слияния и поглощения, в которой, как минимум, была бы информация о дате анонса каждой сделки, компании-поглотителе и компании-цели. С целью получения данной выборки были проверены четыре платформы: S&P 500 Capital IQ, Bureau van Dijk Zephyr, Thomson Reuters Eikon и Bloomberg Professional. В ходе изучения данных, предоставляемых каждой из платформ, было выявлено, что количество сделок и имеющаяся информация по каждой сделке примерно аналогична во всех четырех сервисах. Поэтому в качестве источника данных был выбран Bloomberg Professional.
На всю имеющуюся в сервисе базу данных были наложены следующие фильтры:
1) Статус сделки: завершена (completed) или в процессе осуществления (pending) (другими словами, сделка была анонсирована, но на данный момент еще не завершена)
2) Тип сделки: слияния и поглощения (M&A)
3) Отрасль компании-поглотителя: черная металлургия (Iron&Steel)
4) Тип компании: публичная (public)
5) Размер сделки: более 10 млн. долларов США
В результате, была получена выборка из 1125 сделок, охватывающая период с 1992 по 2017 год. По каждой сделке была получена следующая информация:
· Дата анонса сделки
· Название компании-поглотителя
· Название компании-цели
· Биржевой тикер компании-поглотителя
· Размер сделки
· Доля компании-цели, контроль над которой переходил к компании-поглотителю после сделки
· Вид платежа (деньги, акции или смешанный)
· Страна нахождения компании-поглотителя
· Страна нахождения компании-цели
Но несмотря на это, в выборке оказывались сделки, в которых не было того или иного показателя, необходимого для проведения анализа. Поэтому потребовалась дополнительная фильтрация данных. Так, из выборки были исключены те сделки, у компании-поглотителя в которых отсутствовал биржевой тикер, хотя все компании в выборке являлись публичными.
Помимо этого, для корректного проведения событийного анализа были исключены сделки, совершенные одной и той же компанией-поглотителем в течение года после предыдущей сделки.
На этом этапе было необходимо получить данные по доходностям для каждой компании-поглотителя в выборке за период оценочного и событийного окон. Для этого в первую очередь для каждой сделки были отложены все ключевые даты: -220 дней, -20 дней, -10 дней, -5 дней, -1 день, +1 день, +5 дней, +10 дней, +20 дней Учитывались только рабочие дни, чтобы для каждого события было одинаковое количество наблюдений. Так как количество сделок достаточно большое, то поиск данной информации вручную занял бы много времени. Поэтому для этой задачи вновь был использован терминал Bloomberg Professional. При этом были скачаны ежедневные цены акций на момент закрытия, так как готовых данных по доходностям не было обнаружено. Стоит отметить, что не все компании, которые являются публичными на данный момент, являлись публичными на момент совершения сделки, поэтому цены акций были получены не для всех компаний из выборки, и такие компании, для которых отсутствовала информация о ценах, были исключены.
На заключительном этапе отчистки данных цены для каждого события были проверены на предмет повторения. Другими словами, было проанализировано, сколько раз за период оценочного и событийного окон (240 дней) доходность акций равнялась нулю. Разумеется, что существуют компании, акции которых слабо ликвидные, и может произойти такая ситуация, что в течение суток не было совершено ни одной сделки. Но если таких дней много, то это может повлиять на качество прогноза нормальной доходности. Поэтому было решено посчитать количество дней с нулевой доходностью для каждой из акций в выборке и исключить те наблюдения, где таких дней было больше 30.
Таким образом, в финальной выборке осталось 287 сделок, и в каждом случае были получены данные по ценам акций компаний-поглотителей за временной промежуток [-220 рабочих дней; +20 рабочих дней].
Вся выборка представлена сделками, компании-поглотители в которой принадлежат 28-и различным странам (Рисунок 10).
Рисунок 10 - Структура выборки по странам
Как видно из представленной диаграммы, больше четверти компаний-поглотителей находятся в США, на втором и третьем местах, соответственно, - Япония и Китай.
Все имеющиеся сделки были анонсированы с 1998 по 2017 год. При этом из Рисунка 11 можно заметить, что наибольшее количество сделок (27) было совершено в 2007 году - последнем перед финансовым кризисом, в 2009 же году, первом году после кризиса, было совершено всего 10 сделок, что еще раз указывает на высокую цикличность отрасли.
Рисунок 11 - Распределение сделок по годам
Что касается объема каждой из сделок, то минимальный составила 10 млн долларов, тогда как максимальный - 35 млрд долларов. Рекордная сделка - слияние люксембургской компании Arcelor и индийской Mittal Steel, произошедшее в 2006 году. Среднее же по всем сделкам из выборки составило 562 млн долларов.
Рисунок 12 - Распределение сделок по объему
Но лишь этих данных для полноценного проведения исследования было по-прежнему недостаточно. Как следует из названий, для модели с рыночной доходностью и рыночной модели, для их применения необходимо наличие данных по рыночному индексу. Так как в итоговой выборке присутствуют компании-поглотители из 28 стран, то получение данных по доходностям индексов для каждой из страны за конкретный промежуток времени для каждой сделки являлось затруднительным. Поэтому было решено некий общемировой индекс. В качестве такого индекса был выбран MSCI World Metals and Mining Index. Данный индекс рассчитывается на основе компаний с крупной и средней рыночной капитализацией, которые классифицированы как принадлежащие к металлургической и горнодобывающей отраслям. Всего компании, входящие в расчет индекса, расположены в 23 странах. Данные по индексу были загружены для каждой сделки как за оценочный период, так и за окно события.
Таким образом, были получены все необходимые данные для проведения исследования, результаты которого представлены в следующей главе.
Глава 3. Описание полученных результатов
3.1 Результаты событийного анализа
Использование полной выборки
Как было упомянуто в предыдущей главе, для оценки эффективности сделок был использован событийный анализ. При этом было применено три различных метода нахождения нормальной доходности и четыре различных варианта продолжительностей окон событий. Таким образом, было получено 12 модификаций анализа.
На первом этапе для каждого дня, входящего в событийное окно, для каждой компании-поглотителя из выборки были посчитаны значения аномальной доходности (AR) тремя методами, описанными в предыдущей главе. Учитывая, что в выборке содержится 287 сделок, то представление данных результатов в работе не представляется разумным даже в виде приложений.
Далее, исходя из полученных значений аномальных доходностей, были рассчитаны показатели CAR для каждой компании-поглотителя в выборке путем сложения аномальных доходностей в течение каждого событийного окна. На данном этапе количество результатов слишком велико для их представления в работе.
Наконец, на следующем этапе, данные по CAR были агрегированы для выборки по всем сделкам, и таким образом было получено 12 значений, рассчитанных различными методами. Результаты по всем модификациям представлены в Таблице 4.
Таблица 4 - Показатель CAAR, рассчитанный различными методами
|
Окно события |
Модель со средней доходностью |
Модель с рыночной доходностью |
Рыночная модель |
Среднее |
|
|
[-20; +20] |
0,86% |
-0,54% |
0,71% |
0,35% |
|
|
[-10; +10] |
1,25% |
0,60% |
1,18% |
1,01% |
|
|
[-5; +5] |
1,12% |
1,22% |
1,18% |
1,17% |
|
|
[-1; +1] |
1,33% |
1,31% |
1,32% |
1,32% |
В первую очередь, можно заметить, что только одна модификация демонстрирует отрицательную кумулятивную аномальную доходность. При этом, если посчитать средние значения для каждого окна оценки, то мы получаем положительные значения. Поэтому можно сделать предварительный вывод о том, что в среднем сделки слияния и поглощения оказывают положительное влияние на цены акций компаний-поглотителей.
Кроме того, наблюдается падение роста показателей аномальных доходностей с увеличением оценочного окна. Если среднее значение показателя CAAR для окна [-20; +20] составило 0,35%, то для окна [-1; +1] это значение в четыре раза выше - 1,32%. Исходя из этого, можно сказать, что отражение информации об анонсе сделки довольно быстро находит свое отражение в цене акций, и поэтому на более длинном оценочном окне эффект от анонса сделки может нивелироваться другими событиями, оказывающими обратное влияние на цены акций.
Но нельзя использовать все приведенные результаты для того, чтобы делать окончательные выводы, так как не все из них могут быть значимыми. Для этого были проведены тесты на проверку значимости показателей CAAR, их результаты приведены в Таблице 5.
Таблица 5 - Показатели CAAR и значения t-статистики для них
|
Окно события |
CAAR |
t(CAAR) |
||
|
Модель со средней доходностью |
[-20; +20] |
0,86% |
0,68 |
|
|
[-10; +10] |
1,25% |
1,56 |
||
|
[-5; +5] |
1,12% |
2,11* |
||
|
[-1; +1] |
1,33% |
4,10** |
||
|
Модель с рыночной доходностью |
[-20; +20] |
-0,54% |
0,76 |
|
|
[-10; +10] |
0,60% |
1,52 |
||
|
[-5; +5] |
1,22% |
1,84 |
||
|
[-1; +1] |
1,31% |
3,79** |
||
|
Рыночная модель |
[-20; +20] |
0,71% |
-0,49 |
|
|
[-10; +10] |
1,18% |
0,75 |
||
|
[-5; +5] |
1,18% |
2,07* |
||
|
[-1; +1] |
1,32% |
3,85** |
Так как выдвинутая нами гипотеза была о том, что аномальные доходности равны нулю, то нас интересуют те случаи, когда данная гипотеза отвергается. Для того чтобы их найти, значения t-статистик для каждого значения CAAR сравнивались с критическими значениями на 1%-ном и 5%-ном уровнях значимости.
Как видно из Таблицы 5, значимыми оказались лишь 5 вариаций моделей из 12 изначальных. При этом в данных вариациях были использованы короткие событийные окна - [-5; +5] и [-1; +1].
В итоге, все значимые показатели были объединены в Таблице 6.
Таблица 6 - Значимые показатели CAAR
|
Модель со средней доходностью |
Модель с рыночной доходностью |
Рыночная модель |
Среднее |
||
|
[-5; +5] |
1,12% |
- |
1,18% |
1,15% |
|
|
[-1; +1] |
1,33% |
1,31% |
1,32% |
1,32% |
На основании данных результатов мы можем сделать следующие окончательные выводы:
1) Аномальная доходность значима и отлична от нуля только на двух из четырех окнах оценки: [-5; +5] и [-1; +1]
В данном случае объяснением может служить тот факт, что на более длинных промежутках могут происходить иные события, которые оказывают влияние на доходность, и поэтому наличие аномальной доходности, отличной от нуля, не может быть объяснено лишь оценкой эффекта от одной сделки.
2) При этом все значимые показатели показывают положительный эффект сделок слияния и поглощения на цены акций компаний-поглотителей
На более коротких окнах событий инвесторы позитивно воспринимают информацию о сделках слияния и поглощения, и при этом на достаточно коротких промежутках информация об анонсе сделки не успевает нивелироваться благодаря другим новостям, поэтому образуется положительная аномальная доходность.
3) На окне события [-5; +5] средняя кумулятивная аномальная доходность по двум различным методам равняется 1,15%, на окне [-1; +1] - 1,32%.
Таким образом, можно сделать вывод, что проведение событийного анализа показало, что на коротком окне оценки сделки слияния и поглощения в отрасли черной металлургии являются эффективными, показывая положительную кумулятивную аномальную доходность для акций компаний-поглотителей.
Деление выборки по странам
В качестве дополнительного анализа было проведено разбиение выборки в зависимости от того, в какой стране находятся компании-поглотители. Проведение такого анализа призвано определить, насколько равны показатели среди стран и попробовать предположить, что может являться результатом разницы в показателях между странами. Результаты кумулятивной аномальной доходности в различных странах представлены на Рисунке 13.
Рисунок 13 - Показатель CAAR в различных странах
Данные были получены для тех стран, которые встречались в выборке достаточное количество раз, чтобы результаты были репрезентативными. В первую очередь, можно заметить, что присутствует довольно сильный разброс показателей между странами - разница между самым низким и самым высоким показателями составляет более 5%. Такое высокое значение показателя в Аргентине можно объяснить тем, что это развивающаяся страна с высоким страновым риском, и поэтому доходность финансовых институтов в Аргентине в целом выше, чем в среднем по миру. Несмотря на то что Россия также является развивающейся страной, показатель CAAR для нее абсолютно противоположен, тому, что мы видим для Аргентины. Возможными причинами этого могут являться, во-первых, низкая финансовая грамотность населения, в связи с чем акционеры некорректно реагируют на сигналы, а во-вторых, потенциальной причиной может служить низкая эффективность менеджеров компаний-поглотителей. Менеджеры недостаточно тщательно анализируют потенциальную сделку, что приводит к тому, что деньги, по мнению акционеров, тратятся неэффективно, что приводит к падению стоимости акций компании и, как следствие, отрицательно аномальной доходности. В целом же видно, что развитые страны, такие как США, Великобритания, Япония и Германия, показывают относительно равные результаты. Это объясняется тем, что финансовые институты в данных странах развиты на высоком уровне, а менеджмент основательно подходит к принятию решений.
Деление выборки по территориальности
Следующим пунктом анализа является оценка эффективности сделок в зависимости от того, являлась ли она трансграничной или нет. Результаты приведены в Таблице 7.
Таблица 7 - Показатель CAAR в зависимости от территориальности сделки
|
Внутренние |
Трансграничные |
||
|
CAAR |
1,96% |
0,45% |
Как видно из таблицы, то кумулятивная аномальная доходность сделок, совершаемых внутри одно страны на 1,5% выше, чем для тех, что задействуют компании из разных стран. Это может быть вызвано неполнотой знаний акционеров относительно тех компаний, что находятся за пределами их страны, и следующим из этого опасениями. Исходя из тех предположений, что были сделаны в главе с методологией, такие результаты могут свидетельствовать о том, что вертикальные сделки являются более эффективными, чем горизонтальные, с точки зрения акционеров.
Деление выборки по годам
Наконец, финальным моментом событийного анализа является исследование эффективности сделок в динамике. На Рисунке 14 представлены значения CAAR для каждого года, начиная с 1998.
Рисунок 14 - Динамика изменения показателя CAAR по годам
Как можно заметить, в первые годы наблюдений наблюдался цикл протяженностью 3-4 года, который характеризовался резким подъемом аномальных доходностей, и последующим их снижением вплоть до отрицательных значений. Такое поведение аномальных доходностей можно связать с цикличностью отрасли черной металлургии, о которой ранее шла речь. Еще одним подтверждением цикличности может служить тот факт, что, начиная с кризисного 2008-го года аномальные доходности продемонстрировали резкое падение и восстанавливались от кризиса последующие три года.
Подводя итог событийного анализа, можно сделать вывод, что в целом сделки слияния и поглощения в отрасли черной металлургии являются эффективными. При этом значимыми оказались значения только на коротких окнах событий. Было отмечено, что показатель средней кумулятивной доходности достаточно сильно варьируется между странами, но при этом наблюдаются стабильные результаты для ряда развитых стран. Что касается территориальности сделок, то внутренние сделки, которые в основном являются вертикальными, оказались более эффективными, чем трансграничные сделки. И наконец, отрасль черной металлургии в очередной раз подтвердила свою цикличность, продемонстрировав циклические изменения аномальной доходности и ярко выраженное влияние мирового финансового кризиса на результаты в отрасли.
После описания результатов событийного анализа мы переходим ко второй части исследования - описанию результатов регрессионного анализа.
3.2 Результаты регрессионного анализа
Перед представлением результатов анализа стоит пояснить, что в качестве показателя CAR для регрессии были взяты значения, полученные при применении модели со средней доходностью на окне события [-1; +1], как показатель с наиболее высоким показателем t-статистики.
Для получения данных результатов был проведен регрессионный анализ по 287 наблюдениям с помощью метода наименьших квадратов (МНК).
В Таблице 8 представлены результаты регрессионного анализа с использованием различных спецификаций модели.
Таблица 8 - Результаты регрессионного анализа для различных спецификаций модели
|
~ Value + Percent + Border |
~ Value + Border |
~ Border |
||
|
Константа |
0,01418** (0,01) |
0,019** (0,004) |
0,0196** (0,004) |
|
|
Value |
1,7*10-6 (1,4*10-6) |
1,7*10-6* (1,4*10-6) |
||
|
Percent |
5,94*10-5 (1,07*10-4) |
|||
|
Border |
-0,016* (0,007) |
-0,016** (0,007) |
-0,015** (0,007) |
|
|
R2 |
0,27 |
0,31 |
0,28 |
Как видно из таблицы, в случае модели с тремя факторами, значимым оказался лишь фактор территориальности, поэтому было решено специфицировать модель путем удаления фактора с наибольшим p-value, и таким фактором оказалась доля, перешедшая в ходе сделки. В результате данной операции оба оставшихся фактора оказались значимыми, но несмотря на это, было решено проверить, как поведет себя модель, если исключить наименее значимый фактор второй раз. И в данном случае качество модели ухудшилось, поэтому было решено использовать модель с двумя переменными - Value и Border, в качестве итоговой.
После этого было проверено наличие мультиколлинеарности с помощью показателя VIF, который показал отсутствие данного явления в полученной модели. Гетероскедастичность была проверена с помощью тестов Голдфилда-Кванта и Бройша-Пэгана, которые указали на ее отсутствие.
На основании этого мы имеем право предполагать, что оценки коэффициентов, полученные в результате анализа, являются BLUE - наилучшими линейными несмещенными оценками.
Если вернуться к полученным коэффициентам регрессии, то их можно интерпретировать следующим образом:
· Повышение объема сделки на 1 млн долларов повышает кумулятивную аномальную доходность на 0,00017%
· Трансграничные сделки в среднем имеют кумулятивную аномальную доходность на 1,6% ниже, чем сделки, проходящие внутри страны.
Если первый факт довольно очевиден, так как более высокий объем сделки повышает ожидания акционеров относительно данной сделки и позволяет им надеяться на более активный рост цены акций компании-поглотителя в будущем. То объяснить второй фактор представляется более затруднительным. Данные результаты совпадают с теми, что были получены в ходе событийного анализа. Причиной может явиться тот факт, что акционеры внутри страны менее осведомлены о ситуации и компаниях за ее пределами, и поэтому относятся к таким сделкам с большей опаской.
Проведение регрессионного анализа позволило выявить те факторы, которые оказывают влияние на аномальную доходность, и среди таких факторов оказались объем сделки и ее территориальность. Знание того, какие факторы влияют на аномальную доходность может помочь как менеджерам компаний делать более эффективные инвестиции, основываясь на данных факторах, так и акционерам понимать, чего ожидать от той или иной сделки.
Заключение
В рамках данной работы была проведена оценка эффективности сделок слияния и поглощения в отрасли черной металлургии. В ходе исследования были выполнены все поставленные цели и задачи.
В первую очередь, мы познакомились с отраслью черной металлургии, выявили ее особенности и рассмотрели структуру. Далее, мы перешли к изучению существующих методов оценки эффективности. Было обнаружено, что в имеющейся научной литературе используется пять основных методов. После сопоставления плюсов и минусов каждого метода было решено использовать метод событийного анализа, который является основным методом для решения подобных задач. При этом было решено использовать три различных модели расчета ожидаемой доходности и четыре разных по продолжительности событийных окна. Для проведения исследования было необходимо наличие качественной и при этом достаточно большой выборки по сделкам слияния и поглощения. С этой целью был использован терминал Bloomberg Professional, с помощью которого были получены данные, после отчистки в которых присутствовало 287 наблюдений с 1998 по 2017 год.
На основе имеющихся данных был проведен событийный анализ. Его результаты показали, что в среднем кумулятивная аномальная доходность акций компаний-поглотителей положительна, что означает, что сделки являются эффективными. Полученные результаты по аномальной доходности были проверены на значимость, и для дальнейшего анализа использовались лишь те показатели, которые оказались значимы. К тому же было обнаружено, что кумулятивная аномальная доходность падает с ростом величины событийного окна. Этот факт наряду с незначимостью некоторых показателей послужил причиной для того, что для дальнейшего анализа были использованы только короткие окна событий.
Кроме того, было обнаружено, что эффективность сделок довольно сильно разнится в зависимости от того, в какой-стране расположена компания-поглотитель. Что касается территориальности сделок, то оказалось, что внутренние сделки являются более эффективными, нежели трансграничные. Объяснением данного явления может служить более высокая осведомленность акционеров относительно компаний, находящихся в той же стране. Разделение выборки по годам и оценка кумулятивных аномальных доходностей для каждого года в очередной раз показали цикличность отрасли черной металлургии и ее подверженность событиями, происходящим в мировой финансовой системе.
Далее, был проведен регрессионный анализ, целью которого было выявление тех факторов, которые влияют на эффективность сделок слияния и поглощения. После спецификации модели было выявлено, что такими факторами оказались объем сделки и территориальное расположение компании-цели в зависимости от расположения компании-поглотителя. При этом зависимость с первым фактором оказалась положительной, а со вторым - отрицательной.
Стоит отметить тот факт, что не были использованы более сложные многофакторные модели определения ожидаемой доходности ввиду сложностей со сбором необходимых данных для большой выборки. Тем не менее, три модели, которые были использованы в ходе исследования дали достаточно схожие результаты, что дает основания полагать, что данные результаты являются репрезентативными.
Что касается дальнейших исследований, то, во-первых, можно исследовать большее количество факторов, влияющих на эффективность, например, дружественная или враждебная сделка и т.д. Во-вторых, можно разбить выборку и более подробно проанализировать эффективность в отдельных категориях, например, в вертикальных и горизонтальных сделках. И наконец, можно применить другие методы оценки эффективности и затем сравнить результаты с полученными в данном исследовании.
Список литературы
1. Berman J., Pfleeger J. Which industries are sensitive to business cycles //Monthly Lab. Rev. - 1997. - Т. 120. - С. 19.
2. Bernanke B. S. Irreversibility, uncertainty, and cyclical investment //The Quarterly Journal of Economics. - 1983. - Т. 98. - №. 1. - С. 85-106.
3. Bradley M. Interfirm tender offers and the market for corporate control //Journal of business. - 1980. - С. 345-376.
4. Bradley M., Desai A., Kim E. H. Synergistic gains from corporate acquisitions and their division between the stockholders of target and acquiring firms //Journal of financial Economics. - 1988. - Т. 21. - №. 1. - С. 3-40.
5. Brealey R. A. et al. Principles of corporate finance. - Tata McGraw-Hill Education, 2011.
6. Brock J. Merger mania and its discontents: the price of corporate consolidation //Multinational Monitor. - 2005. - Т. 26. - №. 7/8. - С. 10.
7. Brown S. J., Warner J. B. Using daily stock returns: The case of event studies //Journal of financial economics. - 1985. - Т. 14. - №. 1. - С. 3-31.
8. Burns A. F., Mitchell W. C. Measuring Business Cycles National Bureau of Economic Research //New York. - 1946.
9. Carhart M. M. On persistence in mutual fund performance //The Journal of finance. - 1997. - Т. 52. - №. 1. - С. 57-82.
10. Cording M., Christmann P., Weigelt C. Measuring theoretically complex constructs: The case of acquisition performance //Strategic Organization. - 2010. - Т. 8. - №. 1. - С. 11-41.
11. Daniel T. A., Metcalf G. S. The management of people in mergers and acquisitions. - Greenwood Publishing Group, 2001.
12. Dolley J. C. Characteristics and procedure of common stock split-ups //Harvard Business Review. - 1933. - Т. 11. - №. 3. - С. 316-326.
13. Eckbo B. E. Mergers and the market concentration doctrine: Evidence from the capital market. - 1985.
14. Fama E. F. et al. The adjustment of stock prices to new information //International economic review. - 1969. - Т. 10. - №. 1. - С. 1-21.
15. Fama E. F., French K. R. Common risk factors in the returns on stocks and bonds //Journal of financial economics. - 1993. - Т. 33. - №. 1. - С. 3-56.
16. Fan J. P. H., Goyal V. K. On the patterns and wealth effects of vertical mergers //The Journal of Business. - 2006. - Т. 79. - №. 2. - С. 877-902.
17. Fazzari S. M. et al. Financing constraints and corporate investment //Brookings papers on economic activity. - 1988. - Т. 1988. - №. 1. - С. 141-206.
18. de Groot B., Franses P. H. Real time estimates of GDP growth. - 2005. - №. EI 2005-01.
19. Hayward M. L. A. When do firms learn from their acquisition experience? Evidence from 1990 to 1995 //Strategic management journal. - 2002. - Т. 23. - №. 1. - С. 21-39.
20. Healy P. M., Palepu K. G., Ruback R. S. Does corporate performance improve after mergers? //Journal of financial economics. - 1992. - Т. 31. - №. 2. - С. 135-175.
21. Homburg C., Bucerius M. Is speed of integration really a success factor of mergers and acquisitions? An analysis of the role of internal and external relatedness //Strategic management journal. - 2006. - Т. 27. - №. 4. - С. 347-367.
22. House R. J. et al. (ed.). Culture, leadership, and organizations: The GLOBE study of 62 societies. - Sage publications, 2004.
23. Jevons W. S. Commercial crises and sun-spots //Nature. - 1878. - Т. 19. - №. 472. - С. 33-37.
24. Keynes J. M. The general theory of employment, money and interest //The Collected Writings. - 1936. - Т. 7.
25. Kydland F. E., Prescott E. C. Business cycles: Real facts and a monetary myth //Real business cycles: a reader. - 1990. - Т. 383.
26. Kydland F. E., Prescott E. C. Time to build and aggregate fluctuations //Econometrica: Journal of the Econometric Society. - 1982. - С. 1345-1370.
27. Lucas R. E. Understanding business cycles //Carnegie-Rochester conference series on public policy. - North-Holland, 1977. - Т. 5. - С. 7-29.
28. MacKinlay A. C. Event studies in economics and finance //Journal of economic literature. - 1997. - Т. 35. - №. 1. - С. 13-39.
29. Maquieira C. P., Megginson W. L., Nail L. Wealth creation versus wealth redistributions in pure stock-for-stock mergers //Journal of Financial Economics. - 1998. - Т. 48. - №. 1. - С. 3-33.
Размещено на Allbest.ru
...Подобные документы
Исследование методов оценки эффективности продаж связи, классификация методов, определение эффективности продаж связи двумя методами и разработка плана мероприятий по внедрению метода, показавшему лучшую эффективность в телекоммуникационной отрасли.
дипломная работа [223,8 K], добавлен 18.03.2012Понятие маркетинга, история его возникновения и роль в рыночной экономике. Основные принципы, виды и функции маркетинговой деятельности. Проведение маркетингового исследования на предприятии черной металлургии ОАО "Металлургический завод им. А.К. Серова".
курсовая работа [78,0 K], добавлен 02.11.2010Анализ отрасли: значение, возможности, основные этапы; алгоритм составления карты стратегических групп. Конкурентные рынки; оценка факторов, определяющих политику конкурента на примере ООО "Рекламное агентство"; пути повышения эффективности компании.
курсовая работа [119,1 K], добавлен 28.04.2011Особенности управления событийными проектами, классификация, международный опыт оценки эффективности. ГЧОУ ДО "ЭгоРаунд", описание деятельности компании. Анализ рынка: выделение основных конкурентных преимуществ. Оценка эффективности event-проекта.
дипломная работа [797,6 K], добавлен 07.11.2015Теоретические основы маркетинговой деятельности. Сущность понятий потребность, спрос, обмен и сделка. Особенности маркетинга в российской экономике. Маркетинговые исследования на предприятии черной металлургии, анализ продуктовой, сбытовой политики.
курсовая работа [39,3 K], добавлен 20.05.2011Факторы, определяющие эффективность восприятия рекламы. Средства рекламы: в прессе, по радио, телевизионная, наружная, в Интернете. Разработка рекламной кампании ЗАО "Брянский ЦУМ". Критерии оценки эффективности рекламы. Методы оценки эффективности.
курсовая работа [70,4 K], добавлен 23.05.2008Оценка деятельности предприятий бытового обслуживания в г. Шахты. Реализация программы развития бытового обслуживания. Анализ конъюнктуры рынка бытовых услуг. Выбор целевых сегментов рынка. Анализ потребителей, оценка эффективности внедрения мониторинга.
курсовая работа [79,5 K], добавлен 03.04.2011Определение понятия модели оценки эффективности. Раскрытие основных критериев эффективности рекламы путем выявления содержания экономической и коммуникативной ее эффективности. Разработка модели оценки эффективности рекламы на примере брифа кампании.
курсовая работа [1,0 M], добавлен 17.12.2014Особенности украинского рынка шампанского: сырьевая база, дистрибьюция и рекламная поддержка. Диагностика основных сил конкуренции и анализ позиций предприятий-соперников. Определение и оценка ключевых факторов успеха, перспективы развития отрасли.
курсовая работа [201,8 K], добавлен 05.04.2011Характеристика системы управленческого обследования функциональных зон фирмы и изучение использования основных методов анализа рынка. Исследование конкурентоспособности в условиях определения доли рынка, оценка эффективности продвижения и сбыта товаров.
контрольная работа [144,7 K], добавлен 05.10.2010Характеристика методов оценки коммуникативной эффективности рекламы. Рекомендации по проведению дополнительных мероприятий для повышения эффективности рекламной деятельности группы компаний "Кировский". Анализ рынка потребителей и конкурентов.
курсовая работа [3,5 M], добавлен 17.09.2019Использование услуг Интернета в фармации и их характеристика. Оценка эффективности использования Интернета на примере сети частных аптек ООО "Виста". Определение влияния различных средств рекламы на прирост спроса. Оценка эффективности интернет-рекламы.
контрольная работа [56,1 K], добавлен 04.05.2015История становления и развития рынка розничной торговли в различных странах мира. Методика оценки конкурентной среды отрасли. Анализ конкурентной силы и оценка экономической эффективности стратегии развития ООО "Элита 98" сети супермаркетов "Командор".
курсовая работа [710,4 K], добавлен 14.12.2010Определение и функции бренда, оценка его рыночной эффективности. Методические основы исследования оценки эффективности брендинга на примере бренда Dremel. Анализ показателей важности и удовлетворенности, осведомленности и лояльности респондентов.
курсовая работа [92,0 K], добавлен 03.07.2017Исследование направлений развития отечественного машиностроения, на примере машиностроительного предприятия, включенного в перечень стратегических предприятий. Положение предприятия в отрасли. Показатели производственной деятельности и основных сделок.
курсовая работа [623,1 K], добавлен 28.06.2010Анализ свойств и области применения молока. Структура затрат на производство продукта. Доля импортной продукции на рынке. Организация системы сбыта в отрасли. Факторы, определяющие движение цен. Соотношение спроса и предложения в потребительских группах.
курсовая работа [714,8 K], добавлен 19.12.2014Разработка практических рекомендаций для усовершенствования рекламной деятельности предприятия с целью повышения экономической эффективности и потребительского спроса. Анализ классификации существующих методов и моделей оценки эффективности рекламы.
презентация [612,2 K], добавлен 29.09.2014Теоретические основы развития отрасли розничной торговли. Показатели эффективности деятельности предприятий, анализ состояния эффективности их функционирования и состояния отрасли торговли. Особенности организации розничной торговли овощами и фруктами.
курсовая работа [111,7 K], добавлен 05.08.2012Методика и основные этапы исследования рынка. Анализ маркетинговой среды фирмы на микро- и макроуровне. Принципы и факторы разработки товарной политики предприятия, оценка ее эффективности. Определение конкурентоспособности товара и его продвижение.
курсовая работа [36,3 K], добавлен 14.06.2014Методика двухкомпонентной оценки эффективности печатной рекламы и осуществление с ее помощью анализа эффективности восприятия пяти рекламных продукций: наружной рекламы, телевидения, печатной рекламы, радио и Интернета. Проблема креативности в рекламе.
курсовая работа [303,4 K], добавлен 11.02.2010
