Выборка сделок для исследования эффективности, Методы по определению факторов оценки стоимости компаний - Сделки слияния и поглощения в индустрии видеоигр

Помимо анализа влияния отраслевых факторов на мультипликатор EV/Revenue, также необходимо изучить результативность сделок слияния и поглощения. Поэтому требуется сформировать выборку сделок на которой будет проведен анализ эффективности, а также собрать необходимые данные, а именно доходности акций компаний-участников сделки.

С целью проведения анализа результативности сделок были выбраны слияния и поглощения с участием компаний-целей, являющихся разработчиками или операторами видеоигр. Также при формировании выборки применялись следующие критерии отбора:

    1. На исследуемом временном интервале компания-покупатель не осуществляла других сделок слияния и поглощения, помимо рассматриваемого события. 2. Акции компании-покупателя торговались в течение всего исследуемого периода времени.

Общее количество сделок, удовлетворяющих данному критерию, составило 35 сделок. При формировании поиске доходностей акций компаний-покупателей использовались следующие базы данных: S&;P Capital IQ, Yahoo Finance, Quandl и Google Finance.

Методы по определению факторов оценки стоимости компаний

Как правило, в эмпирических исследованиях по выявлению отношений между несколькими переменными или при использовании факторного анализа используют корреляционный или регрессионный методы анализа.

Корреляционный анализ помогает количественно определить тесноту и направление связи между исследуемыми переменными. Как правило, для расчетов корреляции между переменными используют коэффициент корреляции Пирсона, а для оценки силы взаимосвязи применяют шкалу Чеддока: если коэффициент принимает значение от 0,1 до 0,3 - связь слабая; от 0,3 до 0,5 - умеренная; от 0,5 до 0,7 - заметная; от 0,7 до 0,9 - высокая. Основным преимуществом данного метода является наглядность и простота использования, однако метод не помогает определить причинно-следственную связь между переменными. В свою очередь регрессионный анализ представляет собой один из наиболее популярных подходов при анализе статистической информации, который определяет не только зависимость между зависимой (детерминируемой) переменной и факторами (детерминирующими переменными), но и позволяет установить причинно-следственную связь между ними.

Используя данный метод, исследователь определяет количественное влияние факторов на объясняемую переменную. Более того, регрессионный анализ позволяет определить значимость факторов по отдельности и всей модели в целом.

В рамках данного научного исследования для проверки предложенных гипотез 1 и 2 будет применен регрессионный анализ ввиду его преимуществ перед корреляционным анализом.

Для определения значения коэффициентов при объясняющих переменных на практике часто используют метод наименьших квадратов (МНК). Однако результаты, полученные путем МНК могут быть некорректными ввиду нарушения предпосылок теоремы Гаусса-Маркова из-за гетероскедастичности, мультиколлинеарности, автокорреляции или эндогенности регрессоров. Например, гетероскедастичность ошибок регрессии при большом количестве наблюдений ведет к неэффективности полученных оценок, а также к получению неверных доверительных интервалов. Вследствие этого при анализе влияния факторов на мультипликаторы при помощи МНК будут использоваться специальные статистические тесты и корректировки, представленные в приложении настоящего исследования, с целью получения корректных результатов модели.

Одной из основных целей исследования является определение особенностей сделок M&;A на рынке видеоигр, и в качестве таковых было принято рассматривать взаимосвязь между величиной мультипликатора (EV/Revenue) и специфичных отраслевых факторов, включающих в себя: принадлежность к сегменту рынка и характеристики продуктовой линейки компании. Поэтому применительно к данной работе эндогенной переменной выступает мультипликатор EV/Revenue, а объясняющими переменными являются как отраслевые факторы, так и общие детерминанты оценки стоимости компаний, указанные в обзоре литературе (например, способ оплаты сделки, различные исторические финансовые показатели компании-цели и другие). В качестве отраслевых факторов будут рассмотрены сегмент, в котором оперирует компания-цель, поддерживаемая компанией-целью игровая платформа и тип разрабатываемой игры.

Исследуемые отраслевые факторы по определению характеризуются высокой линейной зависимостью между собой (например, если компания разрабатывает игры для мобильных устройств, то в большинстве случаев это онлайн игры). Таким образом, для проверки тестируемых гипотез потребуется проанализировать три группы регрессионных моделей и их вариаций для решения проблемы мультиколлинеарности исследуемых параметров:

Где независимыми переменными выступают следующие переменные:

    - Developer - дамми-переменная, принимающая значение 1 в случае если компания-цель является разработчиком, и 0 - в случае рекламодателя. - Дамми-переменные Distibutor (дистрибьютор), Operator (оператор), Publisher (издатель), Retailer (розничный продавец) и Ware (производители ПО и аппаратного обеспечения) строятся по аналогичному принципу, т. е. принимают значение 1 если сегмент их параметру, и 0 - рекламодатель; - PublicT - дамми-переменная, принимающая значение 1 в случае если компания-цель является публичной, и 0 - частной; - Control - дамми-переменная, принимающая значение 1 в случае если была осуществлена покупка контрольного пакета акций (больше 50%) компании-цели, и 0 - иначе; - Transaction - дамми-переменная, принимающая значение 1 в случае если сделка являлась локальной, и 0 - трансграничной; - PaymentC - дамми-переменные, принимающая значение 1 в случае если в качестве способа оплаты сделки выступала комбинация денежных средств и акций и, 0 - денежные средства; - PaymentE - дамми-переменная, принимающая значение 1 в случае если способом оплаты сделки являлись акции компании-цели, и 0 - денежные средства - ROE - рентабельность собственного капитала компании-цели в момент сделки; - Tax - эффективная налоговая ставка компании-цели в момент сделки; - Type - дамми-переменная, принимающая значение 1 в случае если сделку осуществлял стратегический инвестор, и 0 - финансовый; - PublicB - дамми-переменная, принимающая значение 1 в случае если покупатель является публичной компанией, и 0 - частной; - margin - рентабельность компании-цели по EBITDA в момент сделки; - g - рост выручки компании-цели за год до осуществления сделки.

Где новыми независимыми переменными являются:

    - Mobile - дамми-переменная, принимающая значение 1 в случае если компания-цель является разработчиком или оператором, а также игра, созданная разработчиком или поддерживаемая оператором предназначена для мобильных и планшетных устройств, и 0 - если тип компании-цели отличается от вышеуказанных; - PC/Console - дамми-переменная, принимающая значение 1 в случае если компания-цель является разработчиком или оператором, а также игра предназначена для ПК или консольных устройств, и 0 - если тип компании-цели отличается от вышеуказанных;

Где новыми независимыми переменными являются:

    - MMО - дамми-переменная, принимающая значение 1 в случае если компания-цель является разработчиком или оператором, а также игра, созданная разработчиком или поддерживаемая оператором, является многопользовательской онлайн игрой, и 0 - иначе; - Offline - дамми-переменная (аналогичная предыдущей), принимающая значение 1 в случае если игра является оффлайн игрой, и 0 - иначе; - Social - дамми-переменная (аналогичная предыдущей), принимающая значение 1 в случае если игра предназначена для социальных сетей, и 0 - иначе.

Похожие статьи




Выборка сделок для исследования эффективности, Методы по определению факторов оценки стоимости компаний - Сделки слияния и поглощения в индустрии видеоигр

Предыдущая | Следующая