Результаты регрессионных моделей - Сделки слияния и поглощения в индустрии видеоигр

Проанализируем результаты вышеуказанных общих регрессионных моделей и их модификаций. Прежде всего, обратим внимание на тот факт, что первая модель, включающая сегменты компании-цели в качестве независимых переменных, содержит 18 экзогенных переменных и 39 полных наблюдений (Приложение 4). Поэтому результаты тестирования данной модели могут быть сильно искажены (например, высокий коэффициент детерминации), а, следовательно, представляется интересным проанализировать разные вариации данной модели (Таблица 4), которые содержат больше наблюдений и меньшее количество незначимых факторов в модели. Вариации общей модели способствуют получению более корректных результатов, а также фокусированию на анализе наиболее важных отраслевых факторов модели. На основе полученных результатов модели можно заметить, что такие регрессоры как PublicT, Tax, Type и margin являются значимыми и представляют собой "классический" набор регрессоров при исследовании факторов, влияющих на мультипликатор. Следовательно, интересно проанализировать как совокупность данных отдельно взятых факторов влияет на мультипликатор (Модель 2). А также сравнить данную модель с регрессией, где отсутствуют финансовые показатели компании-цели (Tax и margin) в качестве объясняющих переменных, но имеются сегменты компании-цели в качестве регрессоров (Модель 3). Наконец, проанализировать модель, учитывающую в себе как финансовые характеристики компании-цели, так и качественные признаки (Модель 4). Как можно заметить из Таблицы 4, Модель 3 лучше объясняет долю дисперсии зависимой переменной, чем Модель 2, использующая в качестве регрессоров только "классический" набор факторов. Другими словами, модель, построенная на основе специфичных отраслевых факторов рынка, лучше объясняет значение мультипликатора EV/Revenue в M&;A сделках.

Таблица 4. Результаты моделей с сегментами

Более того, гибридная модель 4, объединяющая в себе как "классический" набор факторов, так и отраслевые факторы, показывает наилучшие результаты среди всех предложенных моделей.

Таким образом, результаты моделей указывают на значимость такого отраслевого фактора как сегмент, в котором оперирует компания-цель, в частности, операторы видеоигр оцениваются по премиальной оценке по сравнению со всеми другими компаниями. При этом необходимо отметить, что значимыми являются не все сегменты рынка, что обусловлено спецификой моделей, а также близостью значений мультипликаторов EV/Revenue между различными сегментами.

Регрессионные модели с игровыми платформами в качестве регрессоров.

Перейдем к анализу следующей группы регрессионных моделей, использующих в качестве объясняющих переменных типы платформ для игр. Общая модель в данном случае также строится на анализе 39 наблюдений и 13 регрессоров. Как было указано выше, результаты подобной модели могут быть искажены ввиду большого количества регрессоров и малого количества наблюдений. Поэтому представляется интересным проанализировать следующие модификации модели с небольшими видоизменениями: Модель 2 с "классическим" набором регрессоров; Модель 6, использующую в качестве объясняющих переменных игровые платформы и прочие качественные признаки сделки; Модель 7 с регрессорами, объединяющими как финансовые характеристики компании, так и качественные признаки.

Также была проанализирована Модель 8, построенная на наблюдениях, в которых компания-цель является разработчиком или оператором игр. Вследствие этого данная модель не включает переменную Mobile, при этом дамми-переменная PC/Console показывает, насколько мультипликатор EV/Revenue выше у разработчиков или операторов компьютерных и консольных игр по сравнению с компаниями, занятыми в секторе мобильных и планшетных игр.

Таблица 5. Результаты моделей с игровыми платформами

Источник: расчеты автора при использовании языка программирования R

Примечание: модель 2 приведена для удобства проведения сравнительного анализа разных регрессионных моделей

Результаты моделей указывают, что наиболее подходящими моделями, объясняющими мультипликатор оценки стоимости компании-цели, являются модели 6 и 7 согласно величине скорректированного коэффициента детерминации. При этом обе данные модели указывают на значимость отраслевых характеристик в качестве объясняющих переменных.

Другими словами, модели с игровыми платформами в качестве регрессоров подчеркивают значимость такого отраслевого фактора как тип поддерживаемой игровой платформы. Более того, было обнаружено, что компании-цели, обслуживающие такие игровые платформы как ПК и консольные приставки, оцениваются по премиальной оценке по сравнению с прочими компаниями (Модель 6) и по сравнению с компаниями, занятыми в обслуживании мобильных и планшетных устройств (Модель 8). Также в моделях 6, 7 и 8 наблюдается значимый коэффициент при дамми-переменной Type, демонстрирующий наличие премиальной оценки при осуществлении сделок с участием стратегических инвесторов.

Наконец, рассмотрим группу моделей, использующей в качестве специфичной отраслевой характеристики продуктовую линейку компании, а именно, виды разрабатываемых игр. Аналогично предыдущим группам рассмотрим следующие модификации общей модели: Модель 10, использующую в качестве объясняющих переменных виды игр и прочие качественные признаки сделки; Модель 11 с регрессорами, объединяющими как финансовые характеристики компании, так и качественные признаки; Модель 12, построенную на наблюдениях, в которых компания-цель является разработчиком или оператором игр. Вследствие этого данная модель не включает переменную MMO, а дамми-переменные Offline и Social показывают на сколько мультипликатор EV/Revenue ниже для компаний-целей, разрабатывающих или обслуживающих оффлайн и социальные игры, по сравнению с - многопользовательскими онлайн играми.

Анализируя результаты данной группы моделей, необходимо отметить, что исследуемый отраслевой фактор (вид разрабатываемой игры), действительно, объясняет мультипликатор EV/Revenue. В частности, регрессоры MMO и Social являются значимыми при 1% уровне значимости. Более того, выявлено, что MMO игры оцениваются по премиальной оценке по сравнению с другими видами игр (Модель 12 демонстрирует значимые отрицательные коэффициенты при объясняющих переменных Offline и Social), а также, что разработчики и операторы MMO, социальных и оффлайн игр в среднем оцениваются выше, чем компании из других сегментов рынка (Модель 10).

Таблица 6. Результаты моделей с различными видами игр

Таким образом, было обнаружено, что на рынке видеоигр существуют специфичные отраслевые факторы, которыми являются:

Сегмент рынка, в котором компания-цель ведет свою основную операционную деятельность: при этом компании-цели, являющиеся операторами или разработчиками видеоигр оцениваются по премиальной оценке по сравнению с компаниями из других сегментов;

Игровая платформа, для которой компания-цель разрабатывает видеоигры: при этом компания-цель, видеоигры которой разработаны для персональных компьютеров и консольных приставок, оценивается по премиальной оценке по сравнению с другими компаниями;

Виды игр, которые входят в продуктовую линейку компании-цели: при этом компания-цель, разрабатывающая или поддерживающая многопользовательские онлайн игры, оценивается по премиальной оценке по сравнению с другими компаниями.

Более того, было обнаружено, что отраслевые факторы важнее "классических" детерминант оценки стоимости компаний, поскольку скорректированные коэффициенты детерминации у моделей с отраслевыми факторами (модель 3, 6 и 11) выше, чем у модели с "классическими" финансовыми и качественными характеристиками сделок (модель 2). Другими словами, на рынке видеоигр вышеуказанные отраслевые характеристики сделок оказывают более значимое влияние на мультипликатор EV/Revenue, чем "классический" набор факторов, часто используемый в других отраслях.

Похожие статьи




Результаты регрессионных моделей - Сделки слияния и поглощения в индустрии видеоигр

Предыдущая | Следующая