基于多模型的我国上市公司并购协同价值评估体系构建与实证

基于多模型的我国上市公司并购协同价值评估体系构建与实证一、引言1.1研究背景与动因在经济全球化与市场竞争日益激烈的大环境下，企业并购作为实现资源优化配置、增强核心竞争力以及拓展市场份额的重要手段，在我国资本市场中愈发活跃。自20世纪90年代我国股票市场成立以来，上市公司数量迅猛增长，截至2021年已达到2000多家，与之相伴的是并购重组活动愈发频繁，无论是并购次数还是并购交易额都达到了相当规模。2021年，共披露涉及中国企业并购案例2656起，其中披露金额案例为2057起，交易金额达1696.43亿美元，中国企业并购交易额仅次于美国，成为全球第二大并购交易市场。到了2025年，上市公司并购重组的交易单数和交易额再次出现显著增长，显示出这一市场活动的持续热度和活力。并购重组在企业发展战略中占据着重要地位，对企业的未来走向产生深远影响。从微观层面看，成功的并购能够助力企业实现规模经济、降低生产成本、拓展业务领域、提升技术创新能力，进而增强企业在市场中的竞争力，实现股东财富最大化；从宏观角度而言，并购活动有助于优化产业结构，推动资源向更高效的企业和行业流动，促进经济增长方式的转变，提高整个社会的经济运行效率。然而，尽管我国上市公司并购活动呈现出蓬勃发展的态势，但现实中诸多并购案例并未达到预期效果。大量研究调查表明，公司之间的并购重组在理论上虽可实现管理协同、经营协同、财务协同等多方面协同效应，借助市场经济的力量实现资源的更有效配置与利用，从而改善公司的经营业绩、经济模式和经营理念，但实际情况却大相径庭。许多上市公司在并购重组后的当年经营业绩虽有显著改善，可从第二年起，甚至随后几年，并购企业的经营业绩不仅未持续增长，反而呈现下滑趋势。究其根源，并购效益低下与并购企业对协同价值缺乏准确评估密切相关。在并购价值理论中，企业并购协同价值评估始终是一大难点问题，目前鲜少有学者从价值评估角度深入研究协同效应并构建出切实可行的评估模型。协同价值作为企业并购的核心要素，指的是企业与企业之间联结后，合并后的总体价值高于合并之前各自价值之和。其产生源于并购双方资源的整合共享、优势互补以及能力和知识的转移，能够为企业带来诸如成本降低、收入增加、效率提升等多方面的利益。若无法对并购协同价值进行科学、准确的评估，企业在并购决策时就犹如盲人摸象，缺乏可靠的依据，容易导致盲目并购，使得并购后的企业难以实现预期的协同效应，不仅无法提升企业竞争力，反而可能成为企业的沉重负担，造成资源的浪费。科学合理地评估并购协同价值对企业并购决策具有不可替代的重要性。一方面，精准的协同价值评估能够为企业提供可靠的决策依据，帮助企业判断并购交易是否可行。企业可以通过对并购协同价值的预测和分析，明确并购可能带来的收益与风险，从而决定是否进行并购以及如何制定合理的并购策略，避免盲目跟风或冲动决策，降低并购失败的风险。另一方面，准确的协同价值评估结果能够为并购定价提供关键参考。在并购交易中，并购方与被并购方往往在价格上存在博弈，合理的协同价值评估可以使双方在价格协商中有更客观的依据，避免因价格不合理导致交易失败或给企业带来过大的成本压力。此外，协同价值评估还有助于企业在并购后更好地进行整合规划，根据评估结果制定相应的整合策略，充分发挥并购双方的优势，实现协同效应的最大化。在当前我国资本市场不断发展完善、企业并购活动日益频繁的背景下，深入研究上市公司并购协同价值评估模型具有极为重要的现实意义和迫切性。它不仅能够为企业并购决策提供科学指导，提高并购成功率，促进企业的健康发展；还能推动资本市场的资源优化配置，提升市场的整体效率，对我国经济的持续稳定增长发挥积极作用。1.2研究思路与方法本文的研究思路是从理论基础出发，深入剖析我国上市公司并购协同价值的相关理论，结合实际案例，运用科学的分析方法构建并验证评估模型，从而为企业并购决策提供有效的参考。在样本选取与数据收集方面，为了确保研究的准确性和可靠性，从权威的金融数据库如Wind数据库、同花顺iFind数据库中筛选出2018-2023年期间发生并购的我国上市公司作为研究样本。设定严格的筛选标准，排除并购失败、数据缺失以及异常交易的案例，最终得到了[X]个有效样本。对于每个样本，详细收集并购双方的财务数据，包括资产负债表、利润表、现金流量表中的关键指标，如营业收入、净利润、总资产、净资产等；收集企业的基本信息，如企业规模、行业类别、股权结构等；收集并购交易的相关信息，如并购类型、支付方式、交易金额、支付溢价等。这些数据将为后续的分析和模型构建提供坚实的数据基础。在研究方法上，采用了多种方法相结合的方式：文献研究法：全面梳理国内外关于企业并购协同价值评估的相关文献，包括学术期刊论文、学位论文、研究报告等。通过对这些文献的深入研究，了解已有研究的现状、成果以及不足，为本文的研究提供理论支持和研究思路，明确研究的切入点和创新点。理论分析法：深入分析企业并购协同价值的理论基础，包括协同效应的来源、分类以及影响因素等。从管理学、经济学等多学科角度探讨协同价值的形成机制，为构建评估模型提供理论依据，明确模型中各变量的选取和设定。实证研究法：运用多元线性回归分析方法，对收集到的样本数据进行处理和分析。以并购协同价值为被解释变量，以选取的可能影响协同价值的因素为解释变量，构建多元线性回归模型，探究各因素与协同价值之间的线性关系，初步筛选出对协同价值有显著影响的因素。神经网络技术：鉴于并购协同价值与其影响因素之间可能存在复杂的非线性关系，引入神经网络技术，构建BP神经网络模型。利用神经网络强大的非线性映射能力，更准确地拟合并购协同价值与其影响因素之间的复杂关系，提高评估模型的预测精度和可靠性，并与多元线性回归模型的结果进行对比分析。案例分析法：选取具有代表性的上市公司并购案例，如阿里巴巴并购饿了么、腾讯并购Supercell等，运用构建的评估模型对这些案例中的并购协同价值进行评估。将评估结果与实际并购绩效进行对比分析，验证评估模型的有效性和实用性，进一步说明模型在实际应用中的优势和局限性。1.3研究创新点多模型融合构建评估体系：不同于以往研究单一运用某种评估方法，本研究将多元线性回归分析与神经网络技术相结合。先利用多元线性回归初步探究并购协同价值与各影响因素之间的线性关系，筛选出关键影响因素，再借助神经网络强大的非线性映射能力，构建BP神经网络模型，更精准地拟合并购协同价值与其影响因素之间复杂的非线性关系，形成一个全面、综合的评估体系，提高评估模型的准确性和可靠性。多维度因素分析：在影响因素分析方面，不仅考虑了常见的财务因素，如主并企业规模增长、营业利润增长率、支付溢价等，还纳入了企业股权结构（国有股比例）、并购交易特征（是否是关联交易、支付方式）、企业间行业关系（主并企业与目标企业是否处于同一行业）等非财务因素，从多个维度全面剖析影响并购协同价值的因素，为企业在并购决策时提供更全面的参考依据，使研究更具系统性和完整性。动态研究视角：以往研究多侧重于并购完成后协同价值的评估，本研究从动态视角出发，在并购交易完成之前的评估时点上，对并购交易所能创造的协同价值进行预测评估。通过对历史数据的分析和模型构建，为企业在并购前期决策阶段提供重要参考，帮助企业提前预判并购的可行性和潜在收益，使研究成果更具实践指导意义。二、理论基石与文献综述2.1企业并购协同价值相关理论2.1.1协同效应的概念与分类协同效应最初源于物理化学领域，指两种或两种以上的组分组合在一起时，产生的效果大于各组分单独作用之和，即“1+1>2”效应。在企业并购语境下，协同效应是指企业通过并购整合，使合并后的整体价值超过并购前各企业价值之和。美国战略管理学家伊戈尔・安索夫（H.IgorAnsoff）于20世纪60年代将协同理念引入企业管理领域，此后协同效应成为企业并购研究的重要概念。从本质上讲，协同效应是企业在资源、能力、业务等方面实现互补与整合，从而创造出额外价值的现象。根据作用领域和实现方式的不同，协同效应主要分为经营协同、管理协同和财务协同三种类型。经营协同效应：主要体现在企业生产经营活动效率的提升。横向并购中，企业通过整合生产资源，实现规模经济。以汽车制造业为例，大型汽车企业并购小型车企后，可集中采购零部件，凭借大规模订单获取更优惠价格，降低采购成本；在生产环节，共享生产线与生产技术，提高设备利用率，降低单位生产成本。纵向并购则带来纵向一体化效应，减少商品流转中间环节，节约交易成本。如服装企业并购上游面料供应商，能更好控制原材料质量与供应稳定性，避免因原材料短缺或价格波动影响生产，还可通过内部协作优化生产流程，提高生产效率。此外，企业间资源互补也是经营协同的重要体现，研发能力强与营销能力强的企业合并，可将创新产品快速推向市场，实现优势互补，提升市场竞争力。管理协同效应：基于企业间管理效率的差异产生。当管理效率高的企业并购管理效率低的企业后，可将先进管理经验、方法和流程引入被并购企业，提升其管理水平。例如，高效的决策机制、科学的绩效考核体系和完善的内部控制制度从并购方移植到被并购方，能优化后者运营流程，提高工作效率。在人员管理方面，通过培训与交流，使被并购企业员工掌握新的管理理念和技能，激发员工积极性与创造力。若一家互联网科技企业并购传统制造企业，前者创新的项目管理模式和灵活的组织架构应用到后者，可帮助传统制造企业快速响应市场变化，提升产品创新速度和生产效率。财务协同效应：主要反映在企业财务资源的优化配置和财务状况的改善。一方面，并购后企业资金来源渠道增多，内部资金调配更灵活。资金充裕的企业并购资金短缺但投资机会良好的企业，可将低成本内部资金投向高回报项目，提高资金使用效益。飞利浦・莫利斯公司收购大众食品公司，前者烟草业务资金过剩，后者食品业务有发展潜力，收购后实现资金合理配置，产生显著财务协同效应。另一方面，企业资本规模扩大，偿债能力增强，信用等级提升，融资成本降低。合并后的企业在资本市场上更具优势，能以更低利率获取贷款或发行债券，为企业发展提供更有力资金支持。2.1.2并购协同价值的来源并购协同价值的产生源于多方面因素，主要包括资源互补、规模经济、市场势力增强等。资源互补：企业拥有的资源和能力各具特色，并购为资源互补提供契机。从有形资源看，生产设备、厂房、原材料等资源可在并购后整合利用。一家拥有先进生产设备但原材料供应不稳定的企业，并购原材料供应商后，保障原材料供应的同时提高设备利用率。无形资源方面，品牌、技术、专利、客户关系等的互补更为关键。如小米公司收购紫米科技，不仅获取紫米在电源管理技术上的优势，还借助紫米的技术研发能力，提升自身产品竞争力，同时利用小米品牌影响力和销售渠道，扩大紫米产品市场份额，实现品牌与技术的协同发展。规模经济：随着企业并购后规模扩大，单位产品成本降低，收益增加。在生产环节，大规模生产可采用更先进生产技术和设备，提高生产效率，降低单位生产成本。在采购环节，大规模采购增强企业议价能力，获得更优惠采购价格和条款，节约采购成本。销售环节，企业可通过共享销售渠道、广告宣传等降低营销成本。以电商巨头阿里巴巴并购菜鸟网络为例，整合物流资源后，实现仓储、配送等环节规模经济，降低物流成本，提高物流配送效率，提升客户满意度。市场势力增强：并购能改变企业在市场中的竞争地位，增强市场势力。横向并购减少竞争对手，提高市场集中度，使企业在市场定价、市场份额争夺上更具优势。例如，滴滴出行并购优步中国，合并后占据网约车市场主导地位，在价格制定、市场推广等方面拥有更大话语权，通过优化运营策略，实现规模经济，提升盈利水平。纵向并购则使企业控制产业链上下游，保障原材料供应和产品销售，降低市场不确定性和交易成本，增强市场竞争力。2.2国内外文献综述企业并购协同价值评估一直是国内外学术界和实务界关注的焦点，众多学者从不同角度、运用多种方法对其展开研究。国外学者对并购协同价值评估的研究起步较早，成果丰硕。在理论研究方面，Sirower（1997）在《协同陷阱：企业并购中如何避免功亏一篑》中指出，协同效应是并购战略价值的关键组成部分，其定义为并购后新企业的价值超过并购前各企业独立价值之和的部分，提出“并购战略价值=协同效应-溢价”的公式，强调准确评估协同效应对于并购决策的重要性。Chatterjee（1986）将协同效应划分为经营协同、财务协同和管理协同，并对各类型协同效应的来源和实现机制进行深入分析，为后续研究奠定理论基础。在评估方法上，Copeland（1990）等学者提出自由现金流量折现法（DCF），通过预测并购后企业未来的自由现金流量，并按照一定的折现率进行折现，来评估并购协同价值。该方法基于企业持续经营假设，考虑了资金的时间价值和未来收益，在并购价值评估中得到广泛应用。Koller（2005）等对DCF模型进行完善和拓展，进一步明确自由现金流量的计算方法和折现率的确定原则，提高模型的准确性和实用性。此外，实物期权法也逐渐应用于并购协同价值评估领域。Myers（1977）首次提出实物期权概念，认为企业在并购过程中拥有一系列决策选择权，这些选择权具有价值，如同金融期权一样。Trigeorgis（1996）将实物期权理论应用于企业投资决策和并购价值评估，为评估并购中不确定性因素带来的价值提供新视角。实物期权法能够更好地处理并购过程中的灵活性和不确定性，如企业在并购后可以根据市场变化选择是否进行扩张、收缩或放弃项目等，弥补传统DCF方法的不足。国内学者在借鉴国外研究成果的基础上，结合我国资本市场特点和企业并购实践，也取得一系列研究成果。在理论研究方面，李善民、朱滔（2006）对我国上市公司并购的协同效应进行实证研究，发现不同类型并购的协同效应存在差异，横向并购在短期内能产生显著的经营协同效应，而纵向并购和混合并购的协同效应不明显。冯根福、吴林江（2001）运用财务指标法对我国上市公司并购绩效进行研究，发现并购后企业的整体绩效在短期内有所提升，但长期来看效果并不理想，指出并购协同效应的实现受到多种因素制约。在评估方法应用方面，王少豪（2002）详细介绍收益法、市场法和成本法在企业价值评估中的应用，并结合我国企业实际情况，对各方法的适用性和局限性进行分析。随着信息技术发展，神经网络技术等新兴方法也逐渐应用于并购协同价值评估。如张先治、袁克利（2012）运用BP神经网络构建企业并购协同效应评价模型，通过对历史数据的学习和训练，实现对并购协同效应的预测和评估，结果表明该模型具有较高的准确性和可靠性。尽管国内外学者在并购协同价值评估方面取得丰富成果，但仍存在一些不足和有待改进之处。现有研究对并购协同价值影响因素的分析不够全面。多数研究主要关注财务因素，如盈利能力、偿债能力、营运能力等对协同价值的影响，对非财务因素，如企业文化差异、管理层能力、市场竞争环境等的研究相对较少。而在实际并购中，这些非财务因素往往对并购协同效应的实现起着关键作用。现有评估方法存在一定局限性。传统的DCF方法依赖于对未来现金流量和折现率的准确预测，而未来市场环境复杂多变，充满不确定性，使得预测难度较大，可能导致评估结果偏差。实物期权法虽然能考虑并购中的不确定性因素，但模型参数的确定较为困难，且对使用者的专业知识和技能要求较高。神经网络技术等新兴方法虽然具有较强的非线性映射能力和自学习能力，但模型的可解释性较差，难以直观反映各因素与协同价值之间的关系。现有研究在并购协同价值评估的动态性和时效性方面有所欠缺。企业并购是一个动态过程，从并购前的尽职调查、谈判签约，到并购后的整合运营，各个阶段都会对协同价值产生影响。而目前多数研究仅在某个特定时间点对并购协同价值进行评估，缺乏对并购全过程的动态跟踪和评估，无法及时反映协同价值的变化情况。三、我国上市公司并购协同价值评估模型构建3.1常用评估模型介绍在企业并购协同价值评估领域，收益法、市场法和成本法是三种较为常用的评估模型，每种方法都有其独特的原理、应用步骤和适用范围，在实际评估中，需要根据具体情况选择合适的方法，以确保评估结果的准确性和可靠性。3.1.1收益法收益法是企业并购协同价值评估中广泛应用的一种方法，其核心原理基于现值理论。该理论认为，任何资产的价值都等于其未来期望现金流量的现值，因为资产的价值本质上源于其在未来为所有者带来经济利益的能力。在企业并购协同价值评估中，收益法通过预测并购后企业未来的现金流量，并按照一定的折现率将这些未来现金流量折算为当前价值，以此来确定并购协同价值。这种方法充分考虑了资金的时间价值，即同样数量的资金在不同时间点上的价值是不同的，今天的一元钱比未来的一元钱更有价值，因为今天的钱可以进行投资并获得收益。同时，收益法也考虑了投资风险，折现率的选择反映了投资者对投资风险的预期和要求的回报率。运用收益法评估并购协同价值通常遵循以下步骤：预测未来现金流量：这是收益法的关键环节，需要对并购后企业在未来一段时期内的现金流入和流出进行详细预测。现金流量的预测应基于对企业历史经营数据的分析、市场环境的研究以及对未来发展战略的规划。预测内容包括营业收入、营业成本、各项费用、投资收益、资产处置收益等，进而计算出每年的净现金流量。预测未来现金流量需要综合考虑多种因素，如市场需求的变化、行业竞争态势、企业自身的竞争优势、宏观经济政策等。对于市场需求增长迅速、竞争优势明显的企业，其未来现金流量可能呈现较快的增长趋势；而处于竞争激烈、市场需求不稳定行业的企业，现金流量预测的难度较大，不确定性也较高。确定折现率：折现率是将未来现金流量折算为现值的关键参数，它反映了投资的风险程度和投资者要求的回报率。在确定折现率时，通常采用加权平均资本成本（WACC）模型。该模型考虑了企业的股权资本成本和债务资本成本，以及它们在资本结构中的权重。股权资本成本可以通过资本资产定价模型（CAPM）来估算，该模型基于市场风险溢价、无风险利率和企业的β系数来确定股权投资者要求的回报率。债务资本成本则根据企业的借款利率和税率来计算。此外，还需要考虑企业的特定风险因素，如经营风险、财务风险等，对计算出的折现率进行适当调整。如果企业的经营风险较高，如所处行业技术更新换代快、市场需求波动大，那么折现率应相应提高，以反映投资者承担的更高风险。计算协同价值：在预测出未来现金流量和确定折现率后，运用现金流量折现模型（DCF）进行计算。将预测期内每年的净现金流量按照折现率进行折现，然后将这些折现值相加，再加上预测期末企业的终值（通常采用永续增长模型或退出倍数法估算）的折现值，即可得到并购协同价值。公式为：V=\sum_{t=1}^{n}\frac{CF_t}{(1+r)^t}+\frac{TV}{(1+r)^n}其中，V表示并购协同价值，CF_t表示第t年的净现金流量，r表示折现率，n表示预测期，TV表示预测期末企业的终值。收益法在并购协同价值评估中具有诸多优点，它注重企业未来的盈利能力和现金流量，能够反映并购后企业的潜在价值，为投资者和决策者提供关于企业长期发展的信息。通过对未来现金流量和折现率的分析，收益法可以深入评估企业的经营状况、成长潜力和风险水平，帮助决策者全面了解并购交易的潜在收益和风险。收益法也存在一定局限性，未来现金流量的预测具有较高的不确定性，受到市场环境变化、行业竞争、企业战略调整等多种因素影响，预测结果可能与实际情况存在较大偏差。折现率的确定也较为复杂，不同的估算方法和假设条件可能导致折现率的差异，进而影响评估结果的准确性。3.1.2市场法市场法是基于市场均衡理论和替代原理的一种企业并购协同价值评估方法。市场均衡理论认为，在一个充分竞争的市场中，资产的价格会趋向于其内在价值，当市场达到均衡状态时，类似资产的价格应该相近。替代原理则指出，投资者在购买资产时，会比较市场上具有相似功能和风险的其他资产的价格，选择价格相对较低的资产，因此，相似资产的交易价格可以作为评估目标资产价值的参考。市场法的评估思路是通过寻找与被评估企业具有相似特征的可比公司或可比交易案例，以这些可比对象的市场交易价格为基础，经过适当的调整和修正，来确定被评估企业的价值，进而评估并购协同价值。在运用市场法评估并购协同价值时，关键步骤如下：选择可比公司：可比公司应在行业、业务模式、规模、经营风险等方面与被评估企业具有相似性。行业方面，选择与被评估企业处于同一行业或相近行业的公司，以确保它们面临相似的市场环境和竞争态势。业务模式上，可比公司的产品或服务类型、销售渠道、盈利模式等应与被评估企业类似。规模上，考虑企业的资产规模、营业收入、净利润等指标，选择规模相近的可比公司，以减少因规模差异导致的价值偏差。经营风险方面，可比公司应具有相似的风险水平，如市场风险、财务风险、技术风险等。例如，在评估一家互联网电商企业的并购协同价值时，应选择其他具有类似业务模式（如B2C、C2C等）、相近市场份额和用户规模、相似盈利模式（如平台佣金、广告收入等）的互联网电商企业作为可比公司。计算价值比率：确定可比公司后，计算相关价值比率，常用的价值比率包括市盈率（P/E）、市净率（P/B）、市销率（P/S）等。市盈率是股票价格与每股收益的比值，反映了投资者对企业盈利的预期和估值水平。市净率是股票价格与每股净资产的比值，衡量了企业的净资产价值与市场价格的关系。市销率是股票价格与每股销售收入的比值，适用于那些盈利不稳定或尚未盈利，但销售收入具有一定规模和增长潜力的企业。以市盈率为例，计算可比公司的市盈率，公式为：市盈率=每股市价/每股收益。通过对可比公司市盈率的计算和分析，可以了解市场对该行业企业的估值水平。调整价值比率：由于可比公司与被评估企业在某些方面可能存在差异，需要对计算出的价值比率进行调整。调整因素包括企业的财务状况、经营业绩、增长前景、市场地位等。如果被评估企业的增长前景优于可比公司，其价值比率应适当调高；反之，如果被评估企业的财务风险较高，价值比率则应相应调低。可以采用因素分析法、回归分析法等方法对价值比率进行调整，以更准确地反映被评估企业的价值。假设可比公司A的市盈率为20，被评估企业的增长前景预计比可比公司A高20%，则可以将可比公司A的市盈率调整为20×(1+20%)=24，以此作为评估被评估企业价值的参考。计算协同价值：用调整后的价值比率乘以被评估企业相应的财务指标（如净利润、净资产、销售收入等），得到被评估企业的初步估值。再结合并购双方的协同效应分析，对初步估值进行调整，从而得到并购协同价值。如果并购后预计通过整合实现成本节约和收入增长，可在初步估值的基础上增加相应的协同价值；反之，如果存在整合风险可能导致价值减损，则应适当降低估值。假设调整后的市盈率为25，被评估企业的净利润为1000万元，则被评估企业的初步估值为25×1000=25000万元。若预计并购后通过协同效应可使企业价值增加5000万元，则并购协同价值为25000+5000=30000万元。市场法的优点在于评估过程简单直观，评估结果具有较强的市场可比性，因为它基于市场上实际发生的交易案例和可比公司的市场价格，能够反映市场对企业价值的认可程度。市场法的应用也受到一定限制，市场上难以找到与被评估企业完全相同的可比公司或交易案例，即使在行业、规模等方面相似，企业之间仍可能存在经营管理、技术水平、品牌价值等方面的差异，这些差异会影响价值比率的准确性和评估结果的可靠性。市场法依赖于活跃、有效的市场环境，如果市场处于低迷或不稳定状态，交易价格可能不能真实反映企业的价值，从而导致评估结果偏差。3.1.3成本法成本法是以被评估企业的资产负债表为基础，通过对企业各项资产和负债进行评估，来确定企业价值，进而评估并购协同价值的一种方法。其基本逻辑是任何一个理性的投资者在购买一项资产时，愿意支付的价格不会高于重新购置或建造相同用途替代品所需的成本。在企业并购协同价值评估中，成本法假设并购后企业的价值等于各项资产的重置成本之和减去负债的评估价值。这里的重置成本是指在当前市场条件下，重新购置或建造与被评估资产具有相同功能和效用的资产所需的成本。运用成本法评估并购协同价值时，一般包括以下步骤：评估各项资产价值：对被评估企业的各类资产，如固定资产、流动资产、无形资产等进行逐一评估。对于固定资产，可采用重置成本法，即根据资产的现行购置价格、运输费、安装调试费等，估算重新购置相同或类似固定资产所需的成本，再考虑资产的成新率（资产的新旧程度）对重置成本进行调整，得到固定资产的评估价值。对于流动资产，如货币资金、应收账款、存货等，按照其账面价值或市场价值进行评估。货币资金按实际金额确定，应收账款根据其可收回性进行评估，存货则根据其市场价格或可变现净值进行评估。无形资产的评估较为复杂，对于专利技术、商标权等可辨认无形资产，可采用收益法或市场法进行评估；对于商誉等不可辨认无形资产，通常在整体企业价值评估中，通过企业整体价值减去各项可辨认资产价值之和的差额来确定。例如，一台设备的现行购置价格为100万元，运输费和安装调试费共10万元，该设备已使用3年，预计使用寿命为10年，成新率为70%，则该设备的评估价值为(100+10)×70%=77万元。评估负债价值：对被评估企业的负债，如短期借款、长期借款、应付账款等，按照其实际应承担的债务金额进行评估。负债的评估相对较为简单，一般以账面价值为基础，根据债务的合同条款和实际还款情况进行确认。计算协同价值：将各项资产的评估价值相加，再减去负债的评估价值，得到企业的净资产评估价值。在此基础上，考虑并购双方在资产整合过程中可能产生的协同效应，如资产利用率提高、成本降低等带来的价值增加，以及整合过程中可能出现的资产减值等价值减损，对净资产评估价值进行调整，从而得到并购协同价值。假设企业各项资产评估价值之和为5000万元，负债评估价值为2000万元，则企业的净资产评估价值为5000-2000=3000万元。若预计并购后通过资产整合可使资产利用率提高，带来价值增加500万元，则并购协同价值为3000+500=3500万元。成本法在评估并购协同价值时具有一定的优点，它的评估过程相对简单，数据来源较为可靠，主要基于企业的资产负债表和市场上的资产购置成本等信息，评估结果具有较强的客观性。成本法适用于那些资产结构较为简单、资产重置成本易于确定的企业。成本法也存在明显的局限性，它主要关注企业资产的历史成本和重置成本，忽略了企业的未来盈利能力和市场价值，对于具有较高无形资产价值和未来增长潜力的企业，成本法可能会低估其价值。成本法没有充分考虑并购双方在经营、管理、市场等方面的协同效应，仅仅从资产层面进行评估，无法全面反映并购协同价值的真正来源和大小。3.2模型选择与改进在我国上市公司并购协同价值评估中，综合考虑我国上市公司的特点和数据可得性，收益法中的自由现金流量折现法（DCF）相对更适合作为基础模型。我国上市公司所处的市场环境复杂多变，行业竞争激烈，企业的未来发展具有较大的不确定性。同时，上市公司的财务数据相对较为规范和公开，为基于财务数据的评估模型提供了数据支持。自由现金流量折现法基于现值理论，通过预测企业未来的自由现金流量并折现来评估企业价值，能够较好地反映企业未来的盈利能力和成长潜力，符合我国上市公司并购协同价值评估对企业未来价值考量的需求。而且该方法在理论上较为成熟，在国内外企业并购价值评估中得到了广泛应用，具有较高的认可度和实践基础。然而，自由现金流量折现法在实际应用中也存在一些问题，需要进行改进。该方法对未来现金流量的预测依赖于对企业历史经营数据的分析和对未来市场环境的判断，而未来市场环境充满不确定性，如宏观经济形势的变化、行业政策的调整、市场需求的波动等，这些因素都会导致未来现金流量的预测难度较大，预测结果可能与实际情况存在较大偏差。折现率的确定也较为复杂，它反映了投资的风险程度和投资者要求的回报率，通常采用加权平均资本成本（WACC）模型来确定。但在实际计算中，股权资本成本和债务资本成本的估算以及它们在资本结构中的权重确定都存在一定的主观性和不确定性，不同的估算方法和假设条件可能导致折现率的差异，进而影响评估结果的准确性。自由现金流量折现法通常假设企业未来的发展是持续稳定的，而我国上市公司面临的市场竞争激烈，企业的发展可能会受到各种因素的影响，出现波动甚至突变，这种假设与实际情况存在一定的差距。针对以上问题，提出以下改进措施：采用情景分析法预测未来现金流量：为了降低未来现金流量预测的不确定性，可以采用情景分析法。该方法通过设定不同的情景，如乐观情景、中性情景和悲观情景，分别预测在不同情景下企业未来的自由现金流量。在乐观情景下，假设市场需求旺盛、行业竞争缓和、企业经营策略顺利实施等，预测企业未来现金流量的较高值；在中性情景下，基于对市场和企业的正常预期，预测现金流量的中间值；在悲观情景下，考虑市场需求下降、竞争加剧、企业面临重大挑战等不利因素，预测现金流量的较低值。然后，根据不同情景发生的概率，对三种情景下的现金流量预测值进行加权平均，得到最终的现金流量预测结果。公式为：CF=p_1\timesCF_1+p_2\timesCF_2+p_3\timesCF_3其中，CF表示最终预测的自由现金流量，p_1、p_2、p_3分别表示乐观情景、中性情景和悲观情景发生的概率，CF_1、CF_2、CF_3分别表示在乐观情景、中性情景和悲观情景下预测的自由现金流量。通过这种方式，可以更全面地考虑未来市场环境的不确定性，提高现金流量预测的准确性。利用蒙特卡罗模拟法确定折现率：蒙特卡罗模拟法是一种通过随机模拟来解决不确定性问题的方法。在确定折现率时，可以利用蒙特卡罗模拟法来考虑股权资本成本、债务资本成本以及资本结构权重的不确定性。首先，确定股权资本成本、债务资本成本和资本结构权重的取值范围和概率分布。对于股权资本成本，可以根据历史数据和市场情况，确定其可能的取值范围，并假设其服从某种概率分布，如正态分布。对于债务资本成本，根据企业的借款利率和市场利率的波动情况，确定其取值范围和概率分布。对于资本结构权重，考虑企业未来可能的融资策略和资本结构调整，确定其取值范围和概率分布。然后，通过计算机程序进行大量的随机模拟，每次模拟从各个参数的取值范围内随机抽取一个值，计算出相应的折现率。经过多次模拟，得到折现率的分布情况，从中选择一个具有代表性的值作为最终确定的折现率，如平均值或中位数。通过蒙特卡罗模拟法，可以更准确地反映折现率的不确定性，提高评估结果的可靠性。引入实物期权理论考虑企业发展的灵活性：为了弥补自由现金流量折现法对企业发展灵活性考虑不足的问题，可以引入实物期权理论。实物期权是指企业在投资决策中拥有的一系列选择权，如扩张期权、收缩期权、放弃期权等。这些期权赋予企业在未来根据市场变化和自身发展情况进行灵活决策的能力，具有价值。在并购协同价值评估中，当企业并购后可能面临市场机会变化时，若拥有扩张期权，在市场需求增长时，企业可以选择扩大生产规模、拓展市场份额，从而增加未来现金流量；若拥有放弃期权，在市场情况不利时，企业可以选择放弃部分业务或项目，减少损失。这些期权的价值应纳入并购协同价值的评估中。可以采用二叉树模型、布莱克-斯科尔斯模型等实物期权定价模型来计算这些期权的价值，并将其与传统自由现金流量折现法计算出的价值相加，得到更全面的并购协同价值评估结果。假设企业拥有一个扩张期权，通过二叉树模型计算出该期权的价值为V_{option}，传统自由现金流量折现法计算出的企业价值为V_{DCF}，则改进后的并购协同价值V=V_{DCF}+V_{option}。通过引入实物期权理论，可以更好地反映企业在并购后发展的灵活性和不确定性，使评估结果更符合实际情况。3.3构建综合评估模型为了更全面、准确地评估我国上市公司并购协同价值，将改进后的自由现金流量折现法（DCF）与实物期权法、市场法相结合，构建综合评估模型。这种多方法融合的模型能够充分发挥不同方法的优势，弥补单一方法的不足，更全面地反映并购协同价值的复杂性和多样性。改进后的DCF方法主要用于评估并购后企业基于现有业务和经营状况的持续经营价值，它通过对未来现金流量的预测和折现，考虑了企业正常经营活动中产生的收益以及资金的时间价值和风险因素。但该方法难以准确衡量并购中因不确定性因素和企业灵活决策所带来的价值，而实物期权法恰能弥补这一缺陷。实物期权法主要用于评估并购过程中企业拥有的各种选择权所带来的价值，如扩张期权、收缩期权、放弃期权等。这些期权赋予企业在未来根据市场变化和自身发展情况进行灵活决策的能力，其价值在传统DCF方法中往往被忽视。将实物期权法与改进后的DCF方法相结合，能够更全面地反映并购协同价值，使评估结果更符合实际情况。在实际操作中，首先运用改进后的DCF方法，采用情景分析法预测未来现金流量，利用蒙特卡罗模拟法确定折现率，计算出并购后企业基于现有业务的持续经营价值V_{DCF}。假设通过情景分析法预测出乐观情景下未来第1-5年的自由现金流量分别为CF_{11}、CF_{12}、CF_{13}、CF_{14}、CF_{15}，发生概率为p_1；中性情景下为CF_{21}、CF_{22}、CF_{23}、CF_{24}、CF_{25}，概率为p_2；悲观情景下为CF_{31}、CF_{32}、CF_{33}、CF_{34}、CF_{35}，概率为p_3。折现率通过蒙特卡罗模拟法确定为r，预测期为n=5年，预测期末企业的终值为TV，则：CF_t=p_1\timesCF_{1t}+p_2\timesCF_{2t}+p_3\timesCF_{3t}V_{DCF}=\sum_{t=1}^{n}\frac{CF_t}{(1+r)^t}+\frac{TV}{(1+r)^n}接着，运用实物期权法，根据并购项目的具体情况，识别企业拥有的实物期权类型，如扩张期权、放弃期权等。对于扩张期权，若企业预计在未来市场需求增长时可扩大生产规模，增加投资I，预计增加的现金流量现值为PV_{in}，则可采用布莱克-斯科尔斯模型计算扩张期权的价值V_{option1}：V_{option1}=S\timesN(d_1)-I\timese^{-rT}\timesN(d_2)其中，S为标的资产当前价值（可近似为V_{DCF}），N(d_1)和N(d_2)为标准正态分布的累积概率分布函数，I为期权执行价格（即扩张所需投资），r为无风险利率，T为期权到期时间。对于放弃期权，若企业在市场情况不利时可选择放弃项目，预计放弃时可获得的残值为R，放弃前项目的现金流量现值为PV_{out}，则放弃期权的价值V_{option2}可通过二叉树模型等方法计算。假设二叉树模型中，上涨概率为p，上涨因子为u，下跌因子为d，无风险利率为r，期权到期时间为T，则：V_{option2}=\frac{p\timesmax(R-PV_{out}\timesu,0)+(1-p)\timesmax(R-PV_{out}\timesd,0)}{1+r}将所有实物期权的价值相加，得到实物期权的总价值V_{option}。市场法主要用于提供市场参考价值，验证和补充改进后的DCF方法与实物期权法的评估结果。通过选择与被评估企业在行业、规模、经营模式等方面相似的可比公司，计算相关价值比率，如市盈率（P/E）、市净率（P/B）等。对这些价值比率进行调整，以反映被评估企业与可比公司之间的差异。用调整后的价值比率乘以被评估企业相应的财务指标，得到基于市场法的评估价值V_{market}。假设可比公司的平均市盈率为P/E_{avg}，被评估企业的净利润为E，则V_{market}=P/E_{avg}\timesE。最后，综合考虑改进后的DCF方法计算的价值V_{DCF}、实物期权法计算的价值V_{option}以及市场法计算的价值V_{market}，确定并购协同价值V。可以采用加权平均的方法，根据不同方法的可靠性和适用性，赋予相应的权重w_1、w_2、w_3（w_1+w_2+w_3=1），则综合评估模型为：V=w_1\timesV_{DCF}+w_2\timesV_{option}+w_3\timesV_{market}在确定权重时，可以采用层次分析法（AHP）等方法。首先构建判断矩阵，通过专家打分等方式，比较不同方法在评估并购协同价值中的相对重要性。假设判断矩阵为：A=\begin{bmatrix}1&a_{12}&a_{13}\\\frac{1}{a_{12}}&1&a_{23}\\\frac{1}{a_{13}}&\frac{1}{a_{23}}&1\end{bmatrix}其中，a_{ij}表示第i种方法相对于第j种方法的重要性判断值。然后计算判断矩阵的特征向量和最大特征值，通过一致性检验后，得到各方法的权重w_1、w_2、w_3。这样构建的综合评估模型能够充分利用不同评估方法的优势，更全面、准确地评估我国上市公司并购协同价值。四、实证研究设计4.1样本选取与数据来源为确保研究结果的可靠性与代表性，在样本选取过程中，本研究设定了严格的筛选标准，对2018-2023年期间我国上市公司发生的并购事件进行筛选。在时间范围上，选择2018-2023年是基于多方面的考虑。从市场环境角度来看，这一时期我国资本市场不断完善，相关政策法规逐步健全，为上市公司并购活动提供了相对稳定且规范的市场环境。在2018年，随着“一带一路”倡议的持续推进，企业国际化步伐加快，跨境并购活动日益频繁，国内并购市场也受其带动，活跃度显著提升；到2023年，尽管全球经济面临诸多不确定性，但我国经济展现出强大韧性，上市公司通过并购实现资源整合与产业升级的需求愈发迫切。从数据可得性和完整性考虑，这一时间段内上市公司的财务数据和并购交易信息披露较为规范和全面，能够满足本研究对数据质量和数量的要求。在筛选标准方面，首先，剔除并购失败的案例。并购失败的原因复杂多样，如交易双方谈判破裂、未能获得监管部门批准、市场环境突然变化等。这些案例无法反映成功并购所产生的协同价值，若将其纳入研究样本，会干扰对并购协同价值影响因素的分析，降低研究结果的准确性。其次，去除数据缺失的样本。数据缺失可能导致变量无法准确测量，影响模型的估计和检验。例如，若某样本企业的财务数据缺失关键指标，如营业收入、净利润等，将无法准确计算相关财务比率，进而影响对企业经营状况和并购协同价值的评估。对于异常交易案例，如交易价格严重偏离市场正常水平、存在明显利益输送嫌疑等，也予以排除。这些异常交易可能不遵循市场正常的价值规律，其并购协同价值的形成机制与正常交易案例存在差异，纳入研究样本会对整体研究结果产生误导。经过上述严格筛选，最终确定了[X]个有效样本。这些样本涵盖了多个行业，包括制造业、信息技术业、金融业、批发零售业等。其中，制造业样本占比约为[X]%，这反映了制造业作为我国国民经济支柱产业，在产业升级和结构调整过程中，对并购活动的积极参与。信息技术业样本占比约为[X]%，随着数字经济的快速发展，信息技术行业竞争激烈，企业通过并购实现技术创新、市场拓展和资源整合的需求旺盛。不同行业的样本分布，使得研究结果更具普遍性和代表性，能够全面反映我国上市公司并购协同价值的情况。本研究的数据主要来源于多个权威金融数据库，包括Wind数据库、同花顺iFind数据库等。这些数据库拥有丰富的数据资源，涵盖了上市公司的财务报表、公司公告、行业数据等多方面信息。其中，财务数据如营业收入、净利润、总资产、净资产等，主要从上市公司定期披露的财务报表中获取。这些数据按照会计准则编制，具有较高的规范性和可靠性，能够准确反映企业的财务状况和经营成果。并购交易相关信息，如并购类型、支付方式、交易金额、支付溢价等，从公司公告和数据库中的并购专题模块收集。公司公告是上市公司对外披露重大事项的重要渠道，其中关于并购交易的详细信息，为研究并购协同价值提供了关键数据。对于企业的基本信息，如企业规模、行业类别、股权结构等，通过数据库中的企业基本信息模块获取。这些信息经过专业的数据整理和验证，确保了数据的准确性和一致性。在数据处理过程中，首先对收集到的数据进行清洗，去除重复数据和无效数据。对于数据中的异常值，采用合理的方法进行处理。对于一些明显偏离正常范围的财务数据，如某企业的营业收入突然出现大幅增长或下降，且与行业趋势不符，通过进一步查阅公司公告、新闻报道等资料，分析其原因，判断是否为数据录入错误或企业经营出现特殊情况。若为数据录入错误，进行修正；若为特殊情况，在数据分析时进行特别说明。接着，对数据进行标准化处理，将不同量纲的数据转化为具有相同量纲的数据，以消除数据量纲对分析结果的影响。对于财务比率数据，如市盈率、市净率等，按照行业标准进行归一化处理，使不同行业的企业数据具有可比性。通过这些数据处理方法，提高了数据的质量和可用性，为后续的实证分析奠定了坚实基础。4.2变量定义与测量在构建我国上市公司并购协同价值评估模型的实证研究中，明确各变量的定义与测量方法至关重要，这直接关系到研究结果的准确性和可靠性。本研究涉及的变量主要包括被解释变量（并购协同价值）和多个解释变量（如国有股比例、企业规模等影响因素）。4.2.1被解释变量并购协同价值（Synergy_Value）：并购协同价值是本研究的核心被解释变量，它反映了企业通过并购活动所创造的额外价值，即并购后企业的整体价值超过并购前各企业独立价值之和的部分。在实际测量中，采用事件研究法来计算并购协同价值。事件研究法基于有效市场假说，认为市场能够迅速、准确地对新信息做出反应。在企业并购事件中，市场会对并购所带来的协同效应预期进行定价，通过观察并购事件公告前后股票价格的波动，可以衡量并购协同价值。具体计算步骤如下：确定事件窗口：选择并购公告日为事件发生日，通常将事件窗口设定为并购公告日前[X]天到并购公告日后[X]天，如[-10,10]。这样的时间窗口选择既能充分反映市场在并购公告前后对并购事件的反应，又能避免过长时间窗口内其他因素对股价的干扰。在这个时间范围内，市场参与者会根据并购公告所披露的信息，对并购后的企业价值进行重新评估，从而导致股票价格发生变化。计算正常收益率：运用市场模型来估计正常收益率。市场模型假设股票的收益率与市场收益率之间存在线性关系，其公式为：R_{it}=\alpha_i+\beta_iR_{mt}+\epsilon_{it}其中，R_{it}表示第i只股票在第t天的实际收益率，R_{mt}表示市场组合在第t天的收益率，\alpha_i和\beta_i是通过回归分析估计得到的参数，\epsilon_{it}是随机误差项。市场组合收益率通常选取具有广泛代表性的市场指数收益率，如沪深300指数收益率。通过对事件窗口之前一段较长时间（如[-250,-11]）的数据进行回归分析，确定每只股票的\alpha_i和\beta_i参数，进而根据市场模型计算出事件窗口内每一天的正常收益率R_{it}^n。计算超额收益率：超额收益率是指股票实际收益率与正常收益率之间的差值，它反映了并购事件对股票价格的额外影响。公式为：AR_{it}=R_{it}-R_{it}^n其中，AR_{it}表示第i只股票在第t天的超额收益率。在计算出事件窗口内每一天的超额收益率后，对其进行累加，得到累计超额收益率（CAR），公式为：CAR_i=\sum_{t=t_1}^{t_2}AR_{it}其中，CAR_i表示第i只股票在事件窗口[t_1,t_2]内的累计超额收益率。累计超额收益率可以看作是市场对并购协同价值的预期，即市场认为并购活动将为企业带来的价值增加。计算并购协同价值：将累计超额收益率乘以并购前企业的流通股股数，得到并购协同价值的估计值。公式为：Synergy_Value_i=CAR_i\timesN_i其中，Synergy_Value_i表示第i个样本企业的并购协同价值，N_i表示第i个样本企业并购前的流通股股数。通过这种方式计算得到的并购协同价值，综合考虑了市场对并购事件的反应以及企业的规模因素，能够较为客观地反映并购活动所创造的协同价值。4.2.2解释变量国有股比例（State_Owned）：国有股比例是指国有股在企业总股本中所占的比重，它反映了国有企业的股权结构特征以及国有资本在企业中的影响力。在我国，国有企业在国民经济中占据重要地位，国有股比例的高低可能对企业的并购决策、并购协同效应的实现产生重要影响。国有股比例的测量方法较为直接，通过获取企业年报中关于股权结构的信息，计算国有股股数与企业总股本的比值即可。公式为：State_Owned=\frac{国有股股数}{总股本}较高的国有股比例可能使企业在并购过程中受到更多政府政策的影响，一方面，政府可能出于产业政策调整、国有资产保值增值等目的，引导国有企业进行并购活动，从而为企业带来政策支持和资源优势，促进并购协同效应的实现。在某些战略性新兴产业领域，政府可能鼓励国有企业并购相关企业，以实现产业整合和升级，国有企业在并购后可能获得政府在资金、技术、政策等方面的支持，有利于协同效应的发挥。另一方面，国有股比例过高也可能导致企业决策过程相对复杂，受到较多行政干预，影响企业并购决策的效率和灵活性，不利于协同效应的实现。国有企业在并购决策时可能需要经过多层审批，决策流程较长，可能错过最佳并购时机，或者在并购后整合过程中，由于行政干预过多，难以按照市场规律进行资源整合，从而影响协同效应的发挥。主并企业规模增长（Growth_Size）：主并企业规模增长反映了主并企业在并购前后规模的变化情况，是衡量企业并购扩张程度的重要指标。企业规模的增长不仅体现了企业在资产、人员、业务等方面的扩张，还可能对并购协同价值产生多方面影响。在测量主并企业规模增长时，采用并购后主并企业总资产与并购前主并企业总资产的比值来表示。公式为：Growth_Size=\frac{并购后主并企业总资产}{并购前主并企业总资产}主并企业规模的增长可能带来规模经济效应，降低单位成本，提高生产效率，从而增加并购协同价值。大型企业在采购原材料时，由于采购量大，可以获得更优惠的价格，降低采购成本；在生产过程中，大规模生产可以采用更先进的生产技术和设备，提高生产效率，降低单位生产成本。企业规模增长也可能带来管理难度增加、整合风险上升等问题，对并购协同价值产生负面影响。企业规模扩张后，可能面临管理幅度增大、组织架构调整等挑战，如果管理不善，可能导致内部沟通不畅、决策效率低下，增加运营成本，影响并购协同效应的实现。主并企业营业利润增长率（Growth_Profit）：主并企业营业利润增长率是衡量主并企业盈利能力变化的重要指标，它反映了企业在经营活动中创造利润的能力是否增强。营业利润增长率的高低直接关系到企业的经营状况和发展前景，对并购协同价值具有重要影响。在测量主并企业营业利润增长率时，采用并购后主并企业营业利润与并购前主并企业营业利润的差值，再除以并购前主并企业营业利润来计算。公式为：Growth_Profit=\frac{并购后主并企业营业利润-并购前主并企业营业利润}{并购前主并企业营业利润}较高的营业利润增长率表明主并企业在并购后盈利能力得到提升，可能是由于并购实现了资源整合、业务协同，降低了成本，增加了收入，从而带来了并购协同价值的增加。主并企业通过并购获得了目标企业的先进技术或市场渠道，实现了产品升级或市场拓展，提高了产品附加值和市场份额，进而增加了营业利润。如果营业利润增长率较低甚至为负，可能说明并购后企业在经营管理、业务整合等方面存在问题，未能实现预期的协同效应，导致盈利能力下降，对并购协同价值产生不利影响。主并企业与目标企业是否处于同一行业（Same_Industry）：主并企业与目标企业是否处于同一行业是一个定性变量，它反映了并购类型的差异，对并购协同效应的来源和实现方式具有重要影响。如果主并企业与目标企业处于同一行业，通常属于横向并购；若处于产业链上下游关系，则为纵向并购；处于不同行业则为混合并购。不同类型的并购在协同效应方面具有不同特点。在测量时，采用虚拟变量表示，若主并企业与目标企业处于同一行业，取值为1；否则取值为0。横向并购的企业由于业务相似，在生产、销售、研发等方面具有更多的协同机会，可以实现规模经济、资源共享和技术协同，从而增加并购协同价值。两家汽车制造企业进行横向并购后，可以整合生产资源，共享销售渠道，共同研发新技术，降低生产成本，提高市场竞争力。纵向并购的企业通过产业链整合，实现上下游业务的协同，降低交易成本，保障原材料供应和产品销售，也可能带来协同价值的增加。一家服装企业并购上游面料供应商，实现了产业链的纵向一体化，降低了原材料采购成本，提高了产品质量和供应稳定性。混合并购由于企业业务差异较大，协同效应的实现相对困难，但如果能够实现多元化经营，分散风险，也可能创造协同价值。一家房地产企业并购一家互联网科技企业，通过多元化经营，拓展了业务领域，分散了市场风险，若能成功整合资源，也可能实现协同发展。目标企业与主并企业的规模比（Size_Ratio）：目标企业与主并企业的规模比反映了并购双方企业规模的相对大小关系，对并购协同价值的实现具有重要影响。企业规模的差异可能导致在并购过程中双方在资源整合、管理协调、企业文化融合等方面面临不同的挑战和机遇。在测量目标企业与主并企业的规模比时，采用目标企业总资产与主并企业总资产的比值来表示。公式为：Size_Ratio=\frac{目æ

‡ä¼ä¸šæ€»èµ„产}{主并企业总资产}当目标企业与主并企业规模比较小时，主并企业在并购后可能更容易对目标企业进行整合，实现协同效应。主并企业可以凭借自身的规模优势和管理经验，对目标企业进行有效的资源配置和管理优化，促进协同价值的产生。大型企业并购小型企业后，可以将自身的先进管理模式和技术应用到目标企业，提高目标企业的运营效率，实现协同发展。如果目标企业与主并企业规模比较大，并购后双方在资源整合、管理协调等方面可能面临更大的挑战，需要花费更多的时间和精力来实现协同效应。规模相当的企业在并购后，可能在企业文化融合、权力分配等方面存在分歧，影响协同效应的实现。是否是关联交易（Related_Transaction）：是否是关联交易是一个定性变量，它反映了并购交易中双方是否存在关联关系。关联交易在企业并购中较为常见，其对并购协同价值的影响具有复杂性。在测量时，采用虚拟变量表示，若是关联交易，取值为1；否则取值为0。关联交易可能存在信息不对称程度较低、交易成本相对较低等优势，有利于并购协同效应的实现。关联企业之间由于相互了解程度较高，在并购过程中可以减少尽职调查的成本和时间，降低信息不对称带来的风险，同时在交易谈判和合同执行过程中，沟通成本和协调成本也相对较低，有助于实现协同价值。关联交易也可能存在利益输送、损害中小股东利益等问题，对并购协同价值产生负面影响。关联企业之间的并购交易可能并非基于市场公平原则，而是为了实现大股东的利益诉求，导致并购价格不合理，损害中小股东的利益，影响企业的长期发展和并购协同效应的实现。支付溢价（Premium）：支付溢价是指并购方支付的价格超过目标企业并购前市场价值的部分，它反映了并购方对并购协同效应的预期以及在并购交易中的竞争程度。支付溢价的高低直接影响到并购成本，进而对并购协同价值产生重要影响。在测量支付溢价时，采用并购交易价格与目标企业并购前市场价值的差值，再除以目标企业并购前市场价值来计算。公式为：Premium=\frac{并购交易价æ

¼-目æ

‡ä¼ä¸šå¹¶è´­å‰å¸‚场价值}{目æ

‡ä¼ä¸šå¹¶è´­å‰å¸‚场价值}较高的支付溢价表明并购方对并购协同效应的预期较高，愿意支付更高的价格来获取目标企业。并购方可能认为通过并购可以实现显著的协同效应，如获得目标企业的核心技术、市场渠道、品牌资源等，从而提升自身的竞争力和价值。过高的支付溢价也可能导致并购成本过高，即使实现了一定的协同效应，也难以弥补高昂的并购成本，对并购协同价值产生负面影响。如果并购方对协同效应的预期过于乐观，支付了过高的溢价，而在并购后未能实现预期的协同效应，可能导致企业财务状况恶化，影响企业的长期发展。支付方式（Payment_Method）：支付方式是企业并购交易中的重要决策因素，它反映了并购方在并购过程中支付资金的方式，常见的支付方式包括现金支付、股权支付和混合支付等。不同的支付方式对并购协同价值的影响机制不同。在测量时，采用虚拟变量表示，若为现金支付，取值为1；若为股权支付，取值为2；若为混合支付，取值为3。现金支付方式可以快速完成交易，减少交易过程中的不确定性，但会给并购方带来较大的资金压力，影响企业的财务状况和后续发展能力。若并购方资金雄厚，采用现金支付可以迅速获得目标企业的控制权，实现资源整合，可能有利于协同价值的实现。但如果并购方因现金支付导致资金短缺，影响企业正常运营，可能对并购协同价值产生负面影响。股权支付方式可以减少并购方的资金压力，同时使目标企业股东与并购方股东形成利益共同体，有利于并购后的整合和协同效应的实现。股权支付也可能导致并购方股权稀释，影响原有股东的控制权和利益。混合支付方式则综合了现金支付和股权支付的优点，在一定程度上平衡了资金压力和股权结构，但也增加了交易的复杂性。4.3实证模型设定为了深入探究各影响因素与并购协同价值之间的关系，本研究构建了多元线性回归模型和BP神经网络模型。4.3.1多元线性回归模型多元线性回归模型是一种常用的统计分析方法，用于研究多个自变量与一个因变量之间的线性关系。在本研究中，假设并购协同价值与各个解释变量之间存在线性关系，通过构建多元线性回归模型，可以初步分析各因素对并购协同价值的影响方向和程度。构建的多元线性回归模型如下：Synergy\_Value=\beta_0+\beta_1State\_Owned+\beta_2Growth\_Size+\beta_3Growth\_Profit+\beta_4Same\_Industry+\beta_5Size\_Ratio+\beta_6Related\_Transaction+\beta_7Premium+\beta_8Payment\_Method+\epsilon其中，Synergy\_Value表示并购协同价值，是被解释变量；\beta_0为常数项，代表模型中未包含的其他因素对并购协同价值的平均影响；\beta_1-\beta_8为各解释变量的回归系数，分别表示国有股比例（State\_Owned）、主并企业规模增长（Growth\_Size）、主并企业营业利润增长率（Growth\_Profit）、主并企业与目标企业是否处于同一行业（Same\_Industry）、目标企业与主并企业的规模比（Size\_Ratio）、是否是关联交易（Related\_Transaction）、支付溢价（Premium）、支付方式（Payment\_Method）对并购协同价值的影响程度；\epsilon为随机误差项，代表模型中无法解释的部分，包括未纳入模型的其他影响因素以及测量误差等。在这个模型中，回归系数的正负反映了各因素对并购协同价值的影响方向。若\beta_1为正，说明国有股比例的增加会促进并购协同价值的提升；若\beta_1为负，则表示国有股比例的增加会抑制并购协同价值的增长。回归系数的大小则反映了各因素对并购协同价值影响的相对重要性。通过对回归系数的估计和检验，可以判断哪些因素对并购协同价值具有显著影响，哪些因素的影响不显著。若某个解释变量的回归系数通过了显著性检验（如在5%或1%的显著性水平下），则说明该因素对并购协同价值有显著影响；反之，若未通过显著性检验，则说明该因素对并购协同价值的影响不显著，可能需要进一步分析或考虑是否将其从模型中剔除。多元线性回归模型具有简单直观、易于理解和解释的优点，能够快速地初步分析各因素与并购协同价值之间的线性关系。由于并购协同价值的影响因素众多且关系复杂，可能存在非线性关系，仅依靠多元线性回归模型可能无法全面准确地反映这种复杂关系，因此需要进一步引入其他方法进行深入分析。4.3.2BP神经网络模型BP（BackPropagation）神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，它具有强大的非线性映射能力，能够学习和逼近任意复杂的非线性函数关系。鉴于并购协同价值与其影响因素之间可能存在复杂的非线性关系，传统的多元线性回归模型难以准确描述这种关系，因此引入BP神经网络模型来构建并购协同价值评估模型。BP神经网络模型通常由输入层、隐藏层和输出层组成。在本研究中，输入层节点对应各个解释变量，包括国有股比例、主并企业规模增长、主并企业营业利润增长率、主并企业与目标企业是否处于同一行业、目标企业与主并企业的规模比、是否是关联交易、支付溢价、支付方式等。这些解释变量作为模型的输入信息，将被传递到隐藏层进行处理。隐藏层是BP神经网络的核心部分，它通过一系列神经元对输入信息进行非线性变换和特征提取。隐藏层的神经元数量和层数是模型的重要参数，需要根据具体问题进行合理设置。一般来说，增加隐藏层的神经元数量和层数可以提高模型的拟合能力，但也可能导致过拟合问题，即模型在训练数据上表现良好，但在测试数据上的泛化能力较差。在实际应用中，通常需要通过多次试验和验证，选择能够使模型在训练数据和测试数据上都具有较好性能的隐藏层参数。输出层节点对应被解释变量，即并购协同价值。经过隐藏层处理后的信息将被传递到输出层，输出层通过线性组合的方式将隐藏层的输出转换为最终的预测结果，即并购协同价值的估计值。BP神经网络的训练过程是一个不断调整网络权重和阈值的过程，其目的是使模型的预测结果与实际值之间的误差最小化。在训练过程中，首先将训练数据输入到网络中，通过前向传播计算出网络的预测结果。然后，将预测结果与实际值进行比较，计算出误差。接着，通过误差逆向传播算法，将误差从输出层反向传播到隐藏层和输入层，根据误差的大小调整网络的权重和阈值，使得误差逐渐减小。这个过程不断重复，直到网络的误差达到预设的阈值或达到最大训练次数为止。在训练BP神经网络模型时，需要注意以下几个问题：数据预处理：为了提高模型的训练效率和性能，需要对输入数据进行预处理。常用的数据预处理方法包括标准化、归一化等。标准化是将数据转换为均值为0、标准差为1的标准正态分布，归一化是将数据映射到[0,1]或[-1,1]的区间内。通过数据预处理，可以消除数据量纲的影响，使不同变量之间具有可比性，同时也有助于提高模型的收敛速度和稳定性。防止过拟合：过拟合是BP神经网络训练过程中常见的问题，为了防止过拟合，可以采用多种方法。增加训练数据的数量是一种有效的方法，更多的数据可以提供更多的信息，使模型能够学习到更全面的特征，从而提高模型的泛化能力。采用正则化技术，如L1正则化、L2正则化等，通过在损失函数中添加正则化项，对网络的权重进行约束，防止权重过大导致过拟合。还可以采用早停法，在训练过程中，监控模型在验证集上的性能，当验证集上的性能不再提升时，停止训练，避免模型过度学习训练数据中的噪声和细节。模型评估：训练完成后，需要对BP神经网络模型进行评估，以检验模型的性能。常用的评估指标包括均方误差（MSE）、平均绝对误差（MAE）、决定系数（R^2）等。均方误差衡量了模型预测值与实际值之间误差的平方和的平均值，能够反映模型预测值的离散程度；平均绝对误差衡量了模型预测值与实际值之间误差的绝对值的平均值，更直观地反映了模型预测值与实际值之间的平均偏差；决定系数衡量了模型对数据的拟合优度，取值范围在[0,1]之间，越接近1表示模型对数据的拟合效果越好。通过对这些评估指标的计算和分析，可以全面了解模型的性能，判断模型是否满足研究的要求。BP神经网络模型在处理复杂非线性关系方面具有明显优势，能够更准确地拟合并购协同价值与其影响因素之间的复杂关系，为并购协同价值的评估提供更可靠的方法。该模型也存在一些缺点，如模型的可解释性较差，难以直观地理解各因素对并购协同价值的影响机制，在实际应用中需要结合其他方法进行综合分析。五、实证结果与分析5.1描述性统计分析对样本数据进行描述性统计，结果如表1所示。从表中可以直观地了解各变量的基本统计特征，初步掌握数据的分布情况。表1：各变量描述性统计结果变量样本量均值标准差最小值最大值并购协同价值（Synergy_Value）[X][X][X][X][X]国有股比例（State_Owned）[X][X][X][X][X]主并企业规模增长（Growth_Size）[X][X][X][X][X]主并企业营业利润增长率（Growth_Profit）[X][X][X][X][X]主并企业与目标企业是否处于同一行业（Same_Industry）[X][X][X]01目标企业与主并企业的规模比（Size_Ratio）[X][X][X][X][X]是否是关联交易（Related_Transaction）[X][X][X]01支付溢价（Premium）[X][X][X][X][X]支付方式（Payment_Method）[X][X][X]13并购协同价值（Synergy_Value）的均值为[X]，标准差为[X]，表明我国上市公司并购协同价值在样本间存在一定差异。最小值为[X]，最大值为[X]，说明部分并购案例创造了较高的协同价值，而部分案例的协同价值较低甚至为负，反映出我国上市公司并购协同效应的实现情况参差不齐。这可能与并购双方的整合程度、市场环境变化、并购战略合理性等多种因素有关。在一些成功的并购案例中，如阿里巴巴并购饿了么，通过整合双方的资源和业务，实现了协同发展，创造了显著的协同价值。而在某些失败的案例中，由于企业文化冲突、业务整合困难等问题，导致并购协同价值为负。国有股比例（State_Owned）均值为[X]，说明我国上市公司中国有股在总股本中占有一定比例。标准差为[X]，显示不同公司之间国有股比例存在差异。国有股比例的最小值为[X]，最大值为[X]，反映出我国上市公司股权结构的多样性。国有股比例的高低可能会对企业的并购决策和协同效应产生影响。在一些国有企业主导的并购中，较高的国有股比例可能使企业在并购过程中受到政府政策的引导和支持，有利于实现协同效应。但也可能存在行政干预过多，影响企业自主决策和市场活力的问题。主并企业规模增长（Growth_Size）均值为[X]，表明并购后主并企业规模总体上有所增长。标准差为[X]，说明不同企业规模增长幅度存在差异。最小值为[X]，最大值为[X]，反映出部分企业在并购后规模扩张较为明显，而部分企业规模增长相对较小。企业规模的增长可能带来规模经济效应，但也可能面临管理挑战。规模较大的企业在采购、生产、销售等环节可能具有成本优势，但也可能因组织架构复杂、沟通效率低下等问题影响协同效应的实现。主并企业营业利润增长率（Growth_Profit）均值为[X]，说明并购后主并企业营业利润整体上有一定增长