Детерминанты успешности сделок M&;amp;A в фармацевтической отрасли - Оценка эффективности слияний и поглощений в фармацевтической отрасли

На предыдущем этапе исследования было выявлено, что сделки слияний и поглощений оказывают значимое положительное влияние на финансовые показатели фармацевтических компаний. Однако для менеджеров, принимающих решение о необходимости сделок M&;A важно понимать не только, какое воздействие они окажут на операционную эффективность компании, но также и какие факторы определяют этот результат. Эта информация поможет им более основательно подойти к выбору объекта поглощения, составлению условий сделки, проведению процесса интеграции и т. д. В рассмотренные выше модели были включены факторы, которые гипотетически могут оказывать влияние на результат от сделок M&;A. Далее представлены полученные регрессионные уравнения.

Model 3.1: OLS, using observations 1-103 Dependent variable: EBITDA_Sales_2y

Coefficient

Std. Error

T-ratio

P-value

Const

0.174451

0.0875401

1.9928

0.04924

**

EBITDA_Sales_before

0.412422

0.0888962

4.6394

0.00001

***

Stake

-0.0277182

0.0886768

-0.3126

0.75531

Deal_size

-0.0620062

0.0264451

-2.3447

0.02119

**

SALESt_SALESa

0.0525523

0.0192079

2.7360

0.00746

***

Partn

0.0114832

0.0358851

0.3200

0.74970

Biotech

-0.00680598

0.0262014

-0.2598

0.79563

Emerg_mark

0.0162435

0.0360968

0.4500

0.65377

Generics

-0.029706

0.0333359

-0.8911

0.37519

CEO

0.0157402

0.0278295

0.5656

0.57305

Crisis_2

0.0160867

0.0313582

p>0.5130

0.60918

Mean dependent var

0.248485

S. D. dependent var

0.132053

Sum squared resid

1.279368

S. E. of regression

0.117924

R-squared

0.280715

Adjusted R-squared

0.202532

F(10, 92)

3.590486

P-value(F)

0.000470

Log-likelihood

79.85001

Akaike criterion

-137.7000

Schwarz criterion

-108.7180

Hannan-Quinn

-125.9613

Model 3.2: OLS, using observations 1-103

Dependent variable: EBITDA_Sales_3y

Coefficient

Std. Error

T-ratio

P-value

Const

0.155534

0.0959803

1.6205

0.10855

EBITDA_Sales_before

0.523244

0.0999156

5.2369

<0.00001

***

Stake

-0.0403094

0.0982624

-0.4102

0.68260

Deal_size

-0.0508457

0.0299743

-1.6963

0.09321

*

SALESt_SALESa

0.0391824

0.0216599

1.8090

0.07372

*

Partn

0.00175317

0.0406087

0.0432

0.96566

Biotech

-0.00985042

0.029528

-0.3336

0.73944

Emerg_mark

0.0215162

0.0406072

0.5299

0.59748

Generics

-0.035129

0.0379736

-0.9251

0.35734

CEO

0.0284556

0.0309718

0.9188

0.36062

Crisis_3

0.00574529

0.0453266

0.1268

0.89941

Mean dependent var

0.247768

S. D. dependent var

0.150498

Sum squared resid

1.624209

S. E. of regression

0.132870

R-squared

0.296955

Adjusted R-squared

0.220537

F(10, 92)

3.885937

P-value(F)

0.000202

Log-likelihood

67.55931

Akaike criterion

-113.1186

Schwarz criterion

-84.13660

Hannan-Quinn

-101.3799

Итак, мы видим, что из всех добавленных в модель факторов, значимыми являются размер сделки (Deal_size) и показатель отношения выручки компании-цели к выручке компании-покупателя (SALESt_SALESa). Отрицательное влияние размера сделки можно объяснить тем, что в стремлении заполучить ту или иную компанию поглотитель зачастую сильно переплачивает. В отдельных случаях, стоимость сделки достигает размеров, сопоставимых с рыночной капитализацией самого покупателя, естественно, что отвлечение из оборота таких больших сумм негативно сказывается на его финансовом состоянии. Второй показатель (SALESt_SALESa), который был проинтерпретирован как "Восполнение продуктового портфеля" оказывает значимое положительное влияние на операционную эффективность объединенной компании, что подтверждает выдвинутую гипотезу. Действительно, одним из главных мотивов сделок M&;A в фармацевтической отрасли является стремление компаний восполнить пробелы, образовавшиеся в их продуктовых портфелях вследствие истечения сроков патентной на препараты-блокбастеры. Можно дать этому показателю несколько иную интерпретацию и рассматривать соотношение оборотов компаний как прокси соотношения их размеров. В таком случае мы приходим к выводу, что чем ближе друг к другу по размеру компании-участницы сделки, тем сильнее положительный эффект от сделки. Если же сравнивать значимость и силу влияния этих факторов в зависимости от того, показатели какого года, 2-го или 3-го после сделки, рассматриваются, то очевидно, что они выше через 2 года после сделки. Как уже говорилось выше, это связано с тем, что со временем эффект от M&;A затухает, так как в деятельности компании происходят другие значимые события, не имеющие отношение к сделке. Так например, мы видим, что в модели для 3-го года константа (а именно она отображает влияние сделки) незначима, в то время как в модели для 2-го года значима на 5%-м уровне.

После удаления из обеих моделей незначимых переменных регрессионные уравнения были построены заново. Соответствующие тесты и статистики показали, что модели являются значимыми, без признаков гетероскедастичности и мультиколлинеарности. Полученные итоговые результаты представлены ниже.

Model 3.1*: OLS, using observations 1-103

Dependent variable: EBITDA_Sales_2y

Coefficient

Std. Error

T-ratio

P-value

Const

0.156968

0.0269383

5.8270

<0.00001

***

EBITDA_Sales_before

0.414965

0.0847568

4.8960

<0.00001

***

Deal_size

-0.060447

0.0249152

-2.4261

0.01707

**

SALESt_SALESa

0.049936

0.0184049

2.7132

0.00786

***

Mean dependent var

0.248485

S. D. dependent var

0.132053

Sum squared resid

1.303483

S. E. of regression

0.114745

R-squared

0.267158

Adjusted R-squared

0.244950

F(3, 99)

12.03014

P-value(F)

8.83e-07

Log-likelihood

78.88832

Akaike criterion

-149.7766

Schwarz criterion

-139.2377

Hannan-Quinn

-145.5080

White's test for heteroskedasticity -

Null hypothesis: heteroskedasticity not present

Test statistic: LM = 4.10802

With p-value = P(Chi-square(9) > 4.10802) = 0.90416

Variance Inflation Factors

Values > 10.0 may indicate a collinearity problem

EBITDA_Sales_before 1.125

Deal_size 1.685

SALESt_SALESa 1.633

Model 3.2*: OLS, using observations 1-103

Dependent variable: EBITDA_Sales_3y

Coefficient

Std. Error

T-ratio

P-value

Const

0.128463

0.0303517

4.2325

0.00005

***

EBITDA_Sales_before

0.52711

0.0954965

5.5197

<0.00001

***

Deal_size

-0.0479729

0.0280723

-1.7089

0.09060

*

SALESt_SALESa

0.0367869

0.0207371

1.7740

0.07914

*

Mean dependent var

0.247768

S. D. dependent var

0.150498

Sum squared resid

1.654746

S. E. of regression

0.129285

R-squared

0.283737

Adjusted R-squared

0.262032

F(3, 99)

13.07246

P-value(F)

2.92e-07

Log-likelihood

66.60003

Akaike criterion

-125.2001

Schwarz criterion

-114.6611

Hannan-Quinn

-120.9314

White's test for heteroskedasticity -

Null hypothesis: heteroskedasticity not present

Test statistic: LM = 17.2366

With p-value = P(Chi-square(9) > 17.2366) = 0.0451369

Variance Inflation Factors

Values > 10.0 may indicate a collinearity problem

EBITDA_SALES_before 1.125

Deal_size 1.685

SALESt_SALESa 1.633

В заключение этой части исследования хотелось бы сделать некоторые предположения по поводу того, почему те или иные факторы оказались незначимы в рассмотренных моделях. Про такие показатели как приобретаемая доля (Stake) и сотрудничество до сделки (Partn) можно сказать, что их значения мало варьировались между компаниями, вошедшими в выборку.

Так, почти в 90% сделок покупатель становился владельцем 100%-го пакета акций, и только в 14% случаев сделкам M&;A предшествовало сотрудничество между компаниями. То же самое можно сказать и про два других фактора - присутствие объекта поглощения на развивающихся рынках (Emerg_mark) и его специализация на производстве препаратов-дженериков (Generics).

Доля первых в выборке составляет 15%, а вторых - 18%. На мой взгляд, если выборка будет расширена, то весьма вероятно, что эти факторы станут значимыми.

Что касается принадлежности поглощаемой компании к биотехнологической отрасли (Biotech), то незначимость этого фактора можно объяснить следующим образом.

Присоединяя биотехнологические компании, фармацевтические корпорации в большинстве случаев пополняют свой портфель не готовыми лекарственными препаратами, продажа которых сразу же увеличит обороты, а получают доступ к разработкам и научно-исследовательской базе, что принесет выгоду лишь в отдаленной перспективе, а не через 2-3 года. Хотя если в качестве измерителя операционной эффективности использовать не финансовый показатель

А, к примеру, "индекс продуктивности R&;D", как это было сделано в работе Koenig and Mezick (2004), то в этом случае принадлежность к биотехнологической отрасли вполне может оказаться существенной. Факт смены менеджмента поглощаемой компании после сделки, на мой взгляд, может оказывать влияние на успешность процесса интеграции, однако прямого воздействия на финансовые показатели он, возможно, не оказывает.

Похожие статьи




Детерминанты успешности сделок M&;amp;A в фармацевтической отрасли - Оценка эффективности слияний и поглощений в фармацевтической отрасли

Предыдущая | Следующая