论文部分内容阅读
摘 要：随着互联网行业在我国的快速发展，企业并购是成熟型互联网企业继续扩张的必经之路，近几年的并购现象进行得风生水起，很多企业有盲目效仿的嫌疑。为了帮助这一并购浪潮回归理性，文章选取了33家符合条件的互联网上市公司为研究对象，将其并购前一年至并购后两年的财务指标进行因子分析，探究这几年之间企业财务绩效综合得分的变化趋势，从而找出该并购事件对企业财务绩效到底有怎样的影响。
关键词：互联网企业 并购事件 财务绩效因子分析
一、引言
我国互联网企产业自20世纪80年代末90年代初起步以来，经过了十来年的飞速发展，在此期间，各式各样的互联网企业涌现于市场，借着大好时机快速壮大。进入21世纪以后，我国互联网行业逐步走向成熟，各企业纷纷追求继续开拓市场扩大规模，这种情况下互联网企业之间的并购事件应运产生，并迅速在行业内风起云涌。万得数据库显示，2016年互联网软件与服务行业的并购事件为398起，交易金额约为2310亿元，同比增长85.77%。由此可见，互联网行业并购的火热程度可见一斑。
在这愈演愈烈的并购热潮中，对互联网企业并购的行为进行研究，尤其是其并购行为对企业财务绩效影响的研究显得尤为重要。我国各专家和学者对传统的各行各业并购的现象研究已经非常深入，但是与传统行业相比，互联网行业有诸多的特殊性。互联网行业是电子商务化的创新型行业，它的运营模式更加新颖、产品更迭速度更快，企业之间的模仿行为也更明显，所以互联网企业之间的并购浪潮也比传统企业来得更加猛烈，甚至是盲目追随行业巨头，并购行为不甚理智。事实上，互联网行业的并购也确实出现了比传统企业更多的弊端，并购带来的负面因素大大超出最初的预期，从而使得人们对公司并购的效果产生了怀疑。 现在来研究并购对财务绩效的影响问题，对互联网公司并购决策有很强的参考意义。
由于我国互联网上市公司管理相对比规范，并购行为有更详细的资料，且并购前后的财务数据更易取得，所以本文选择了互联网上市公司作为研究本行业并购现象的切入点，对互联网上市公司并购前一年至后两年的财务绩效变化趋势进行研究，探究如火如荼的并购现象背后的实际经济效益。
二、实证研究过程
本文选取的研究对象是2012-2014年完成并购的互联网上市公司，剔除并购日前后两年有退市警告以及并购两年内退市的公司，剔除早期财务数据不完整的公司，剔除并购前后两年内发生过其他并购的公司，最终筛选出的有效样本为33家公司。研究方法为通过对各公司并购前一年至并购后两年的财务数据进行因子分析，得出各年的综合绩效得分，进行比较后得出并购事件对主并方财务绩效的影响。具体的实證分析分为以下四步。
第一步：对样本中的每家公司，分别选取Ft-1（并购前一年）、Ft（并购当年）、Ft+1（并购后一年）、Ft+2（并购后两年）四个年度中反映其财务状况的11个指标--净资产收益率、总资产报酬率、销售净利率、资产负债率、流动比率、现金比率、流动资产周转率、固定资产周转率、总资产周转率、营业收入增长率、总资产周转率。
第二步：将这些财务数据输入SPSS中，进行KMO和Bartlett球形检验，判断其是否适合进行因子分析。输出结果如下图所示，可以看出，KMO值大于0.6，说明原变量适合做主成分分析得出公共因子。Bartlett球形度检验值为1205，很大，并且概率值0<0.05，非常显著，说明原始变量存在相关性。
第三步：将上述财务数据进行降维，确定公共因子。SPSS输出的解释的总方差结果显示，有四个因子的特征值大于1，选取其作为提取出的公共因子。累计方差贡献值大于82%，说明这些公共因子具有代表性，能够代表所有原始因子包含信息的82%以上，可以用这四个公共因子来近似反映并购活动主并方并购前一年、当年和后两年的财务绩效。通过观察旋转成分矩阵，看到每个公共因子下各个原始变量的负荷度，负荷度较高的几个原始变量即可以归入对应的公共因子。例如，第一个公共因子下，流动比率、现金比率和资产负债率的负荷度远高于其他原始因子，分别为0.975、0.967和0.936。我们发现这三个原始变量反映的是企业对债务的偿还能力，由此，我们将第一个公共因子命名为偿债能力因子。同样地，根据旋转成分矩阵找到第二个公共因子为盈利能力因子，包含的原始变量有净资产收益率、总资产收益率和销售净利率。第三个公共因子为营运能力因子，包括总资产周转率、固定资产周转率和流动资产周转率三个原始变量。第四个公共因子为成长能力因子，包括总资产增长率和营业收入增长率。
第四步：确定公共因子的系数，构建因子得分函数，并计算每一年的财务绩效综合得分模型。公共因子系数的确定来源于SPSS输出文档中的成分得分系数矩阵，整理之后可以得出如下表达式：
F1（偿债能力因子）
=-0.025x1-0.025x2-0.024x3+0.340x4+0.361x5+0.365x6-0.002x7+0.138x8+0.080x9+0.013x10+0.013x11
F2（盈利能力因子）
=0.349x1+0.382x2+0.355x3-0.007x4-0.020x5-0.037x6-0.006x7-.0.90x8-0.010x9-0.067x10+0.074x11
F3（营运能力因子）
=-0.045x1-0.027x2-0.049x3+0.051x4+0.081x5+0.098x6+0.347x7+0.458x8+0.441x9+0.040x10-0.017x11
F4（成长能力因子）
=0.038x1-0.017x2-0.011x3+0.071x4-0.013x5-0.024x6+0.056x7+0.010x8-0.035x9+0.587x10+0.597x11
构建财务绩效综合得分模型时，首先需要按照上述因子得分函数，计算出各个公共因子的得分，然后找到各个公共因子在综合得分模型中的重要程度，即其方差贡献率（为各公共因子解释的方差与四个公共因子解释的总方差的比值），综合得分计算公式为：Z=（26.500F1+23.163F2+19.963F3+12.769F4）/82.394。
找出综合得分计算公式之后，需要将33家公司四年的财务数据，按年份分为四组。每组数据分开计算，结果即为每一年的综合得分。
三、实证研究结果
在SPSS中计算出每行数据的综合得分，并将33家公司的财务数据按年份分组，进行分组描述统计，将得到的结果绘制成如下折线图：
如上图所示，从并购前一年到并购后两年，财务绩效综合得分的均值呈不断下降的趋势，得出互联网上市公司并购对主并方财务绩效具有负面的影响。与并购前一年相比，并购当年以及之后的两年，企业经营业绩不断下滑，财务状况逐渐恶化。
四、总结与建议
21世纪是互联网行业迅猛发展的时代，初创的公司迅速成长占领市场，成熟的公司纷纷进行并购活动以进一步扩大规模成为行业巨头，但这并不意味着这是一条值得盲目效仿的道路。企业管理者面对并购浪潮的冲击，应当保持理智，吸引同行业其他企业的教训，全面地进行思考和权衡，与其一味地随波逐流，不如将宝贵的企业财富和管理层智慧运用到更有经济效益的活动中。
参考文献：
[1]王贤杰. 互联网企业并购绩效研究[D].首都经济贸易大学，2013.
[2]黄兴孪. 中国上市公司并购动因与绩效研究[D].厦门大学，2009.
[3]晏洁. 并购对企业财务绩效影响的案例分析[D].西南交通大学，2016.
作者简介：郑欣瑜（1992—）女。河北衡水人。北京邮电大学经济管理学院研究生，研究方向为财务管理及财务报表分析。
关键词：互联网企业 并购事件 财务绩效因子分析
一、引言
我国互联网企产业自20世纪80年代末90年代初起步以来，经过了十来年的飞速发展，在此期间，各式各样的互联网企业涌现于市场，借着大好时机快速壮大。进入21世纪以后，我国互联网行业逐步走向成熟，各企业纷纷追求继续开拓市场扩大规模，这种情况下互联网企业之间的并购事件应运产生，并迅速在行业内风起云涌。万得数据库显示，2016年互联网软件与服务行业的并购事件为398起，交易金额约为2310亿元，同比增长85.77%。由此可见，互联网行业并购的火热程度可见一斑。
在这愈演愈烈的并购热潮中，对互联网企业并购的行为进行研究，尤其是其并购行为对企业财务绩效影响的研究显得尤为重要。我国各专家和学者对传统的各行各业并购的现象研究已经非常深入，但是与传统行业相比，互联网行业有诸多的特殊性。互联网行业是电子商务化的创新型行业，它的运营模式更加新颖、产品更迭速度更快，企业之间的模仿行为也更明显，所以互联网企业之间的并购浪潮也比传统企业来得更加猛烈，甚至是盲目追随行业巨头，并购行为不甚理智。事实上，互联网行业的并购也确实出现了比传统企业更多的弊端，并购带来的负面因素大大超出最初的预期，从而使得人们对公司并购的效果产生了怀疑。 现在来研究并购对财务绩效的影响问题，对互联网公司并购决策有很强的参考意义。
由于我国互联网上市公司管理相对比规范，并购行为有更详细的资料，且并购前后的财务数据更易取得，所以本文选择了互联网上市公司作为研究本行业并购现象的切入点，对互联网上市公司并购前一年至后两年的财务绩效变化趋势进行研究，探究如火如荼的并购现象背后的实际经济效益。
二、实证研究过程
本文选取的研究对象是2012-2014年完成并购的互联网上市公司，剔除并购日前后两年有退市警告以及并购两年内退市的公司，剔除早期财务数据不完整的公司，剔除并购前后两年内发生过其他并购的公司，最终筛选出的有效样本为33家公司。研究方法为通过对各公司并购前一年至并购后两年的财务数据进行因子分析，得出各年的综合绩效得分，进行比较后得出并购事件对主并方财务绩效的影响。具体的实證分析分为以下四步。
第一步：对样本中的每家公司，分别选取Ft-1（并购前一年）、Ft（并购当年）、Ft+1（并购后一年）、Ft+2（并购后两年）四个年度中反映其财务状况的11个指标--净资产收益率、总资产报酬率、销售净利率、资产负债率、流动比率、现金比率、流动资产周转率、固定资产周转率、总资产周转率、营业收入增长率、总资产周转率。
第二步：将这些财务数据输入SPSS中，进行KMO和Bartlett球形检验，判断其是否适合进行因子分析。输出结果如下图所示，可以看出，KMO值大于0.6，说明原变量适合做主成分分析得出公共因子。Bartlett球形度检验值为1205，很大，并且概率值0<0.05，非常显著，说明原始变量存在相关性。
第三步：将上述财务数据进行降维，确定公共因子。SPSS输出的解释的总方差结果显示，有四个因子的特征值大于1，选取其作为提取出的公共因子。累计方差贡献值大于82%，说明这些公共因子具有代表性，能够代表所有原始因子包含信息的82%以上，可以用这四个公共因子来近似反映并购活动主并方并购前一年、当年和后两年的财务绩效。通过观察旋转成分矩阵，看到每个公共因子下各个原始变量的负荷度，负荷度较高的几个原始变量即可以归入对应的公共因子。例如，第一个公共因子下，流动比率、现金比率和资产负债率的负荷度远高于其他原始因子，分别为0.975、0.967和0.936。我们发现这三个原始变量反映的是企业对债务的偿还能力，由此，我们将第一个公共因子命名为偿债能力因子。同样地，根据旋转成分矩阵找到第二个公共因子为盈利能力因子，包含的原始变量有净资产收益率、总资产收益率和销售净利率。第三个公共因子为营运能力因子，包括总资产周转率、固定资产周转率和流动资产周转率三个原始变量。第四个公共因子为成长能力因子，包括总资产增长率和营业收入增长率。
第四步：确定公共因子的系数，构建因子得分函数，并计算每一年的财务绩效综合得分模型。公共因子系数的确定来源于SPSS输出文档中的成分得分系数矩阵，整理之后可以得出如下表达式：
F1（偿债能力因子）
=-0.025x1-0.025x2-0.024x3+0.340x4+0.361x5+0.365x6-0.002x7+0.138x8+0.080x9+0.013x10+0.013x11
F2（盈利能力因子）
=0.349x1+0.382x2+0.355x3-0.007x4-0.020x5-0.037x6-0.006x7-.0.90x8-0.010x9-0.067x10+0.074x11
F3（营运能力因子）
=-0.045x1-0.027x2-0.049x3+0.051x4+0.081x5+0.098x6+0.347x7+0.458x8+0.441x9+0.040x10-0.017x11
F4（成长能力因子）
=0.038x1-0.017x2-0.011x3+0.071x4-0.013x5-0.024x6+0.056x7+0.010x8-0.035x9+0.587x10+0.597x11
构建财务绩效综合得分模型时，首先需要按照上述因子得分函数，计算出各个公共因子的得分，然后找到各个公共因子在综合得分模型中的重要程度，即其方差贡献率（为各公共因子解释的方差与四个公共因子解释的总方差的比值），综合得分计算公式为：Z=（26.500F1+23.163F2+19.963F3+12.769F4）/82.394。
找出综合得分计算公式之后，需要将33家公司四年的财务数据，按年份分为四组。每组数据分开计算，结果即为每一年的综合得分。
三、实证研究结果
在SPSS中计算出每行数据的综合得分，并将33家公司的财务数据按年份分组，进行分组描述统计，将得到的结果绘制成如下折线图：
如上图所示，从并购前一年到并购后两年，财务绩效综合得分的均值呈不断下降的趋势，得出互联网上市公司并购对主并方财务绩效具有负面的影响。与并购前一年相比，并购当年以及之后的两年，企业经营业绩不断下滑，财务状况逐渐恶化。
四、总结与建议
21世纪是互联网行业迅猛发展的时代，初创的公司迅速成长占领市场，成熟的公司纷纷进行并购活动以进一步扩大规模成为行业巨头，但这并不意味着这是一条值得盲目效仿的道路。企业管理者面对并购浪潮的冲击，应当保持理智，吸引同行业其他企业的教训，全面地进行思考和权衡，与其一味地随波逐流，不如将宝贵的企业财富和管理层智慧运用到更有经济效益的活动中。
参考文献：
[1]王贤杰. 互联网企业并购绩效研究[D].首都经济贸易大学，2013.
[2]黄兴孪. 中国上市公司并购动因与绩效研究[D].厦门大学，2009.
[3]晏洁. 并购对企业财务绩效影响的案例分析[D].西南交通大学，2016.
作者简介：郑欣瑜（1992—）女。河北衡水人。北京邮电大学经济管理学院研究生，研究方向为财务管理及财务报表分析。