科技和产业

变量	样本量	平均值	标准差	最小值	中位数	最大值	说明
CAR	15 795	1.552 9	9.876 1	-25.254 7	0.165 1	35.330 5	%
CNEPU	201	142.061 4	30.425 2	73.619 7	138.798 2	238.317 2	-
ISI	201	60.329 6	27.858 0	29.810 0	53.810 0	218.960 0	-
size	11 954	22.265 2	1.294 7	18.265 9	22.081 3	28.109 2	LN,元
ROE	11 954	7.129 8	11.493 4	-98.732 2	7.466 1	78.127 5	%
TobinQ	11 954	2.092 3	1.740 8	0.633 8	1.632 8	58.591 8	-
CFO	11 954	4.584 9	7.693 3	-67.022 5	4.565 7	72.554 0	%
ALR	11 954	44.839 3	20.179 8	0.752 1	44.846 2	175.835 4	%
MBIRI	11 954	0.305 3	1.929 3	-0.999 1	0.146 0	87.483 7	%
M2	201	13.972 3	0.599 2	12.753 0	14.063 0	14.870 9	LN,亿元

变量	样本量	平均值	标准差	最小值	中位数	最大值	说明
CAR	15 795	1.552 9	9.876 1	-25.254 7	0.165 1	35.330 5	%
CNEPU	201	142.061 4	30.425 2	73.619 7	138.798 2	238.317 2	-
ISI	201	60.329 6	27.858 0	29.810 0	53.810 0	218.960 0	-
size	11 954	22.265 2	1.294 7	18.265 9	22.081 3	28.109 2	LN,元
ROE	11 954	7.129 8	11.493 4	-98.732 2	7.466 1	78.127 5	%
TobinQ	11 954	2.092 3	1.740 8	0.633 8	1.632 8	58.591 8	-
CFO	11 954	4.584 9	7.693 3	-67.022 5	4.565 7	72.554 0	%
ALR	11 954	44.839 3	20.179 8	0.752 1	44.846 2	175.835 4	%
MBIRI	11 954	0.305 3	1.929 3	-0.999 1	0.146 0	87.483 7	%
M2	201	13.972 3	0.599 2	12.753 0	14.063 0	14.870 9	LN,亿元

被解释变量	CAR	ISI	CAR	CAR
CNEPU	-0.015 1^***	-0.106 7^***	-0.015 6^***	-0.017 2^***
	(0.005 7)	(0.008 7)	(0.005 5)	(0.005 5)
ISI			-0.004 5	-0.011 2
			(0.009 3)	(0.010 1)
CNEPU×ISI				-0.000 4^**
				(0.000 2)
Size	-1.368 4^***	-0.330 3	-1.369 9^***	-1.369 5^***
	(0.276 5)	(0.298 6)	(0.276 6)	(0.276 9)
ROE	-0.002 8	0.031 1^**	-0.002 6	-0.002 9
	(0.014 4)	(0.014 3)	(0.014 4)	(0.014 4)
TobinQ	0.661 9^***	-0.052 5	0.661 7^***	0.659 3^***
	(0.154 6)	(0.158 4)	(0.154 6)	(0.154 4)
CFO	0.000 5	-0.012 5	0.000 5	0.000 9
	(0.018 4)	(0.020 7)	(0.018 4)	(0.018 4)
ALR	0.010 7	0.004 2	0.010 7	0.010 7
	(0.010 8)	(0.011 8)	(0.010 8)	(0.010 8)
MBIRI	0.979 4^***	0.649 8^*	0.982 3^***	0.980 6^***
	(0.315 2)	(0.367 5)	(0.315 3)	(0.315 4)
M2	-2.634 9	-2.001 0^***	-3.511 1	-3.401 3
	(11.009 2)	(13.192 7)	(10.935 6)	(10.929 9)
常数项	69.392 9	2 834.398 0^***	82.065 9	81.089 8
	(154.746 0)	(185.689 4)	(153.754 3)	(153.692 7)
时间固定效应	是	是	是	是
行业固定效应	是	是	是	是
观测值	14 148	14 148	14 148	14 148

被解释变量	CAR	ISI	CAR	CAR
CNEPU	-0.015 1^***	-0.106 7^***	-0.015 6^***	-0.017 2^***
	(0.005 7)	(0.008 7)	(0.005 5)	(0.005 5)
ISI			-0.004 5	-0.011 2
			(0.009 3)	(0.010 1)
CNEPU×ISI				-0.000 4^**
				(0.000 2)
Size	-1.368 4^***	-0.330 3	-1.369 9^***	-1.369 5^***
	(0.276 5)	(0.298 6)	(0.276 6)	(0.276 9)
ROE	-0.002 8	0.031 1^**	-0.002 6	-0.002 9
	(0.014 4)	(0.014 3)	(0.014 4)	(0.014 4)
TobinQ	0.661 9^***	-0.052 5	0.661 7^***	0.659 3^***
	(0.154 6)	(0.158 4)	(0.154 6)	(0.154 4)
CFO	0.000 5	-0.012 5	0.000 5	0.000 9
	(0.018 4)	(0.020 7)	(0.018 4)	(0.018 4)
ALR	0.010 7	0.004 2	0.010 7	0.010 7
	(0.010 8)	(0.011 8)	(0.010 8)	(0.010 8)
MBIRI	0.979 4^***	0.649 8^*	0.982 3^***	0.980 6^***
	(0.315 2)	(0.367 5)	(0.315 3)	(0.315 4)
M2	-2.634 9	-2.001 0^***	-3.511 1	-3.401 3
	(11.009 2)	(13.192 7)	(10.935 6)	(10.929 9)
常数项	69.392 9	2 834.398 0^***	82.065 9	81.089 8
	(154.746 0)	(185.689 4)	(153.754 3)	(153.692 7)
时间固定效应	是	是	是	是
行业固定效应	是	是	是	是
观测值	14 148	14 148	14 148	14 148

变量	第一阶段	第二阶段
CNEPU		-0.050 3^***
		(0.014 1)
USEPU	0.210 0^***
	(0.004 3)
ISI	-0.327 6^***	-0.022 2^**
	(0.013 0)	(-0.010 1)
CNEPU×ISI	-0.005 3	-0.000 6^***
	(0.000 3)	(0.000 2)
CD Wald F	2 367.42^***
A. corr. LM stat.	2 426.87^***
SW S	15.76^***

变量	第一阶段	第二阶段
CNEPU		-0.050 3^***
		(0.014 1)
USEPU	0.210 0^***
	(0.004 3)
ISI	-0.327 6^***	-0.022 2^**
	(0.013 0)	(-0.010 1)
CNEPU×ISI	-0.005 3	-0.000 6^***
	(0.000 3)	(0.000 2)
CD Wald F	2 367.42^***
A. corr. LM stat.	2 426.87^***
SW S	15.76^***

被解释变量	替换控制变量为CICSI	替换被解释变量为长期并购绩效
CNEPU	-0.014 0^**	-0.014 1^**	-0.092 9^***	-0.084 8^**	-0.093 1^***
	(0.005 5)	(0.005 5)	(0.033 5)	(0.034 1)	(0.034 8)
ISI				0.075 6	0.042 3
				(0.049 0)	(0.056 7)
CICSI	0.033 4	0.037 0
	(0.033 9)	(0.033 9)
CNEPU×CICSI		-0.001 0^*
		(0.0006)
CNEPU×ISI					-0.001 8^*
					(0.001 1)
常数项	70.680 7	79.451 9	-836.505 2	-1 050.769 0	-1 055.626 0
	(154.677 4)	(154.574 1)	(881.998 9)	(896.414 4)	(896.379 5)
时间固定效应	是	是	是	是	是
行业固定效应	是	是	是	是	是
控制变量	控制	控制	控制	控制	控制
观测值	14 148	14 148	14 148	14 148	14 148

被解释变量	替换控制变量为CICSI	替换被解释变量为长期并购绩效
CNEPU	-0.014 0^**	-0.014 1^**	-0.092 9^***	-0.084 8^**	-0.093 1^***
	(0.005 5)	(0.005 5)	(0.033 5)	(0.034 1)	(0.034 8)
ISI				0.075 6	0.042 3
				(0.049 0)	(0.056 7)
CICSI	0.033 4	0.037 0
	(0.033 9)	(0.033 9)
CNEPU×CICSI		-0.001 0^*
		(0.0006)
CNEPU×ISI					-0.001 8^*
					(0.001 1)
常数项	70.680 7	79.451 9	-836.505 2	-1 050.769 0	-1 055.626 0
	(154.677 4)	(154.574 1)	(881.998 9)	(896.414 4)	(896.379 5)
时间固定效应	是	是	是	是	是
行业固定效应	是	是	是	是	是
控制变量	控制	控制	控制	控制	控制
观测值	14 148	14 148	14 148	14 148	14 148

被解释变量	截面异质性调整	面板Tobit回归
CNEPU	-0.015 0^***	-0.016 8^***	-0.013 6^***	-0.014 0^***
	(0.004 6)	(0.004 5)	(0.004 4)	(0.004 5)
ISI		-0.016 7^*		-0.002 7
		(0.008 6)		(0.006 9)
CNEPU×ISI		-0.000 2^**		-0.000 2^**
		(0.000 1)		(0.000 1)
常数项	173.665 4^**	166.236 8^**	13.411 6^**	11.683 4^*
	(73.501 3)	(73.485 0)	(6.004 7)	(6.221 9)
时间固定效应	是	是	是	是
行业固定效应	是	是	是	是
控制变量	控制	控制	控制	控制
观测值	14 148	14 148	14 148	14 148

被解释变量	截面异质性调整	面板Tobit回归
CNEPU	-0.015 0^***	-0.016 8^***	-0.013 6^***	-0.014 0^***
	(0.004 6)	(0.004 5)	(0.004 4)	(0.004 5)
ISI		-0.016 7^*		-0.002 7
		(0.008 6)		(0.006 9)
CNEPU×ISI		-0.000 2^**		-0.000 2^**
		(0.000 1)		(0.000 1)
常数项	173.665 4^**	166.236 8^**	13.411 6^**	11.683 4^*
	(73.501 3)	(73.485 0)	(6.004 7)	(6.221 9)
时间固定效应	是	是	是	是
行业固定效应	是	是	是	是
控制变量	控制	控制	控制	控制
观测值	14 148	14 148	14 148	14 148

被解释变量	CAR	CAR
CNEPU	-0.008 9	-0.018 2^**
	(0.017 0)	(0.007 4)
ISI	0.08	-0.043 5^***
	(0.087 7)	(0.014 0)
CNEPU×ISI	-0.001 6	-0.000 9^***
	(0.001 4)	(0.000 3)
常数项	-916.850 1	158.756 3
	(890.302 5)	(191.728 9)
系数差异性	3.930 0^**
检验卡方值	p= 0.047 4
样本数	1 878	9 723
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量	CAR	CAR
CNEPU	-0.008 9	-0.018 2^**
	(0.017 0)	(0.007 4)
ISI	0.08	-0.043 5^***
	(0.087 7)	(0.014 0)
CNEPU×ISI	-0.001 6	-0.000 9^***
	(0.001 4)	(0.000 3)
常数项	-916.850 1	158.756 3
	(890.302 5)	(191.728 9)
系数差异性	3.930 0^**
检验卡方值	p= 0.047 4
样本数	1 878	9 723
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量	CAR	CAR
CNEPU	-0.009 3	-0.021 2^***
	(0.010 2)	(0.007 7)
ISI	-0.013 5	-0.003 5
	(0.021 7)	(0.013 5)
CNEPU×ISI	-0.000 7	-0.000 2^**
	(0.000 5)	(0.000 1)
常数项	-355.697 8	164.210 4
	(293.559 1)	(212.516 2)
系数差异性	3.450 0^*
检验卡方值	p = 0.063 1
样本数	3 668	8 491
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量	CAR	CAR
CNEPU	-0.009 3	-0.021 2^***
	(0.010 2)	(0.007 7)
ISI	-0.013 5	-0.003 5
	(0.021 7)	(0.013 5)
CNEPU×ISI	-0.000 7	-0.000 2^**
	(0.000 5)	(0.000 1)
常数项	-355.697 8	164.210 4
	(293.559 1)	(212.516 2)
系数差异性	3.450 0^*
检验卡方值	p = 0.063 1
样本数	3 668	8 491
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量	CAR	CAR
CNEPU	-0.019 4^**	-0.024 4^***
	(0.008 2)	(0.008 6)
ISI	0.004 8	-0.023 2
	(0.015 0)	(0.015 8)
CNEPU×ISI	-0.000 2	-0.000 6^*
	(0.000 3)	(0.000 3)
常数项	98.789 1	-41.719 9
	(229.215 8)	(241.287 0)
系数差异性	3.760 0^*
检验卡方值	p = 0.052 4
观测值	6 756	6 026
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量	CAR	CAR
CNEPU	-0.019 4^**	-0.024 4^***
	(0.008 2)	(0.008 6)
ISI	0.004 8	-0.023 2
	(0.015 0)	(0.015 8)
CNEPU×ISI	-0.000 2	-0.000 6^*
	(0.000 3)	(0.000 3)
常数项	98.789 1	-41.719 9
	(229.215 8)	(241.287 0)
系数差异性	3.760 0^*
检验卡方值	p = 0.052 4
观测值	6 756	6 026
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量	CAR	CAR
CNEPU	-0.007 2	-0.024 2^***
	(0.010 1)	(0.008 0)
ISI	0.001 1	-0.012 6
	(0.020 2)	(0.013 9)
CNEPU×ISI	-0.000 3	-0.000 5^*
	(0.000 5)	(0.000 3)
常数项	-415.413 8	97.162 7
	(301.130 2)	(214.398 0)
系数差异性	9.860 0^***
检验卡方值	p = 0.001 7
观测值	4 659	7 404
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量	CAR	CAR
CNEPU	-0.007 2	-0.024 2^***
	(0.010 1)	(0.008 0)
ISI	0.001 1	-0.012 6
	(0.020 2)	(0.013 9)
CNEPU×ISI	-0.000 3	-0.000 5^*
	(0.000 5)	(0.000 3)
常数项	-415.413 8	97.162 7
	(301.130 2)	(214.398 0)
系数差异性	9.860 0^***
检验卡方值	p = 0.001 7
观测值	4 659	7 404
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

经济政策不确定性、投资者情绪与并购绩效

PDF下载

陈振彪

科技和产业 | 企业应用 2025,25(12): 238-246

收起

科技和产业 | 企业应用 2025, 25(12): 238-246

经济政策不确定性、投资者情绪与并购绩效

全屏

陈振彪

作者信息

广州开发区控股集团有限公司风控合规部, 广州 510663

陈振彪(1997—),男,广东湛江人,硕士,中级经济师,研究方向为金融经济学、金融工程与风险管理。

Economic Policy Uncertainty, Investor Sentiment and M&A Performance

Zhenbiao CHEN

Affiliations

Risk management and compliance Department, Guangzhou Development District Holdings Group Co.Ltd., Guangzhou 510663, China

出版时间: 2025-06-25

文章导航

摘要

收起

基于A股2007—2023年上市公司并购数据进行实证分析,探究经济政策不确定性对于企业并购绩效的影响机理。结果表明,经济政策不确定性对于企业并购绩效产生负面影响,并在纳入投资者情绪调节因子后显著增强负面效应。进一步研究发现,经济政策不确定性对于企业并购绩效的影响在经济上行时期更为显著,且对于非机构投资者集中持股的企业产生更大的冲击,但该机制对绿色并购以及属于一线或新一线城市的企业影响较小。

关键词

经济政策不确定性 / 投资者情绪 / 并购绩效

Abstract

收起

The impact of economic policy uncertainty on M&A performance was examined. Taking the M&A data of A-share listed companies from 2007 to 2023 as the study sample, it is found that the impact is negative and statistically significant, and the moderating effect factor investor sentiment exacerbates this impact. Further analysis shows that during economic upturns, economic policy uncertainty has the greater significant negative effect on M&A performance compared with the economic downturns. The similar condition happens in the enterprises with non-concentrated institutional investor holdings. But economic policy uncertainty does not seem to influence the M&A performance of the enterprises with green M&A type or located in first-tier or new first-tier cities.

Key words

economic policy uncertainty / investor sentiment / M&A performance

引用本文

陈振彪. 经济政策不确定性、投资者情绪与并购绩效. 科技和产业, 2025 , 25 (12) : 238 -246 .

Zhenbiao CHEN. Economic Policy Uncertainty, Investor Sentiment and M&A Performance[J]. Science Technology and Industry, 2025 , 25 (12) : 238 -246 .

正文

收起

当前,全球经济在复苏与挑战交织当中稳步前行,中国经济也在多项政策的助力下展现出了强有力的韧性,其中并购作为优化产业协同和资源配置、促进企业战略升级的重要方式,近年来得到了蓬勃发展。伴随着“并购六条”的出台,既提高了监管包容度,弥补了现阶段投资标的难寻、资方“退出难”的问题,也有利于上市公司向新质生产力方向转型升级,对于并购市场而言无疑是新一轮的发展机会。据统计,2024年中国企业并购事件的成功率达到93%,较2023年同比提升1.9个百分点,创下近十年新高,且并购多以产业并购为主,2024年仅发生2起借壳上市并购和2起多元化战略并购,反映经济政策红利的释放对于并购市场的信心起到提振作用。

本文以经济政策作为切入点,着重探讨经济政策对于并购的影响机制。现实当中企业为了实现短期内的快速成长,大多会采取并购的方式,通过在并购当中积累大量知识并不断地做出决策从而获得相应的正向并购绩效结果^[1],然而这种内生的有机成长将加深了企业对于并购的依赖程度^[2],使得企业在面临外源性压力时对并购绩效产生负面效果。经济政策不确定性作为一种外源因素,具有不可预测性且影响范围广的特点,探索经济政策不确定性对于企业并购绩效影响机理具有重要现实意义。同时,在经济政策不确定性的前提下,投资者情绪将面临波动,既不利于对资产进行合理定价^[3],也影响后续的融资和决策效率^[4],从而将对企业并购绩效产生负面影响。鉴于此,本文以2007—2023年中国上市公司并购数据作为研究对象,围绕经济不确定性对企业并购绩效的机理展开研究,并分析投资者情绪在其中的影响机制。此外,本文从经济周期、机构投资者集中度、营商环境情况以及并购类型特征进行深入剖析对比,探究以上因素对于核心机制影响的异质性,为政策制定者、投资者和企业在并购市场进行有关行为和决策前提供一定的参考价值。

1 文献回顾与研究假说

收起

1.1 经济政策不确定性与企业并购绩效

企业并购绩效最重要的影响因素在于对并购标的的正确选择^[5],从收购方角度出发,受信息不对称的影响,收购方需要为此支付相应的交易成本^[6],包括不限于网络信息检索、现场尽职调查和中介机构服务等多种信息收集方式所产生的有关费用和机会成本,以便于更好地对目标公司价值进行准确评估从而更有效地做出决策。经济政策不确定性在并购交易过程中对公司价值判断起到重要影响效果^[7],其源于经济市场各主体无法准确地预测政策制定者何时采取何种经济政策刺激市场向某个或某几个目标发展,且政策实施效果也难以预测,因此收购方会采取更加谨慎的方式进行决策,甚至延迟推进。根据等待期权理论,当考虑了延迟决策后的并购可视作未到期的看涨期权,立即行权并非最优解,需要合并考虑等待期权的价值,若期权价值大于并购收益,收购方可能采取中止并购的决策,进而对企业并购绩效产生负面影响^[8]。从目标公司角度出发,经济政策不确定性除了能够影响企业股价波动^[9],还可以通过影响企业未来现金流现值的估计,从而导致收购方对目标公司价值产生错误评估^[10],且因代理问题的存在,交易双方可能因价格磋商产生分歧从而导致目标公司索要更高的并购溢价,最终影响并购绩效^[11]。综合上述分析,提出以下假设。

H1:经济政策不确定性对企业并购绩效存在抑制效应。

1.2 投资者情绪在经济不确定性和企业并购绩效当中的影响机理

投资者情绪是指投资者通过市场上各种渠道所获取的信息结合自己的主观认知所做出的非理性判断,表现的形式是心里预期和实际价值的系统性偏差。李林波等^[12]表示,长期以来中国股市受到投资者非理性投机因素的影响,导致暴涨暴跌的异象层出不穷,从而滋生更多负面效应,产生恶性循环,经济政策的实施将是破局的关键所在。然而,现有文献鲜有关于投资者情绪在经济不确定性和企业并购绩效当中的机理研究。对于投资者情绪与并购绩效的影响,学界上存在两种观点,一种是信号传递理论^[13],另一种是噪声交易理论^[14]。

信号传递理论,是指当因外部信息不对称导致信息无法有效传递时,“信号”可以作为媒介参与信息传递过程。前文分析经济政策不确定性是导致信息不对称发生的重要因素之一,因此投资者情绪可以作为信号因子影响企业价值的有效判断。基于投资者情绪的信息传递视角,从目标公司的自身出发,Polk和Sapienza^[15]指出为迎合投资者情绪要求及缓解外部压力,目标公司经理人会采取相应对策满足投资者需求,从而粉饰一些重要信息,因此投资者在做出投资决策时会因信息粉饰造成对并购绩效产生负面效应,也有投资者会为了验证信息的准确性从而投入大量成本进而也对并购绩效产生不利的影响。从投资者的角度出发,投资者情绪的高涨一方面向市场传递利好的信息,使得外部市场对于企业信息质量的监督作用逐渐下降^[16],或将滋长企业的舞弊现象。投资者受限于可获取的信息加之自身的高涨情绪,将难以做出准确决策,因而在进行错误的并购决策后,投资者参与到实际管理经营当中发现实际情况出现非预期变化,从而造成后续绩效的下滑,当绩效下滑发生时,投资者负面情绪即刻爆发,面临投资者负面情绪所施加的压力,众多企业的负面消息开始铺天盖地,企业为了寻求融资不得已采取更多的粉饰手段包装自身,恶性循环由此而生。基于上述观点,提出以下研究假设。

H2a:经济政策不确定性会通过影响投资者产生负面情绪进而对企业并购绩效产生抑制效果。

噪声交易理论则认为投资者情绪的高涨或者消极能够放大投资者过度投机或者不安的心理从而导致对资产价格的错误评估产生情绪化交易,关于该影响机制,花贵如等^[17]发现投资者情绪能够放大企业过度投资和投资不足的效果,表现出资源配置的降低,姜富伟等^[18]发现投资者与情绪化交易所产生的耦合效应会对金融资产价格变化产生非线性强化作用,导致资产价格的估计产生偏离,从而对并购绩效产生负面影响。结合中国金融市场表现出的羊群效应来看,当面临资本市场行情利好的周期时,媒体的渲染促使投资者情绪发生过度积极反映促使投资者做出更为非理性的决策,在该情形下投资者往往忽略了众多未披露的潜在因素,导致当这些因素爆发时,市场舆情急转直下使得投资者情绪由乐观转为悲观,造成决策后部分未实际披露的企业绩效发生明显下跌。当市场行情利空时,企业的绩效会因整体环境的影响而下行,并且投资者在面临负面信息时将产生对未来预期的更为看衰的情绪,进一步放大市场悲观的情形^[19]。因此,基于经济政策不确定性对于并购绩效所产生的外部压力前置假设下,提出以下假设。

H2b:投资者情绪带来的市场恐慌将加深经济政策不确定性对于企业并购绩效的抑制效果。

2 研究设计

收起

2.1 数据选取

选取2007—2024年中国A股发生并购事件的上市公司年度数据作为研究样本,其中并购以首次公告的仍在进行或者已完成作为统计标准,合计17 554件,数据来源于iFinD数据库。经济政策不确定性则对标中国市场,采用Baker等^[20]构建的中国经济政策不确定指数(China economic policy uncertainty, CNEPU)作为指代,投资者情绪则参考易志高和茅宁^[21]的测度方法构建中国投资者情绪指数(investor sentiment index, ISI)。

图1展示了2007—2024年中国A股上市企业并购情况,可以看到自2024年10月的“并购六条”细则发布以来,2024年第4季度的并购事件数量呈显著上升,规模甚至超过2015年的并购顶峰。图2展示了2003—2023年中国经济政策不确定性指数和投资者情绪指数的变化情况,很明显看到2008年次贷危机和2015年股灾期间中国经济政策不确定性指数存在明显波动情况;对于投资者情绪,自次贷危机发生以来,投资者情绪指数显著上涨且波动变大,其中2019—2022年新冠肺炎疫情对于投资者情绪起到重要影响,也间接表明投资者情绪除了对金融市场有明显的敏感性,对于外部宏观环境及国际形势的变动同样存在关联效益。为此,纳入投资者情绪在后续的研究当中具有重要现实意义。

2.2 变量选择与描述性统计

为了探究经济不确定性对于企业并购绩效的影响机制,对于企业并购绩效的构建,采用陈仕华和王雅茹^[22]构造短期并购绩效的方法,对公司选择并购宣告前的150个交易日和30个交易日的区间内计算累计超额收益率(cumulative abnormal return, CAR)作为衡量并购绩效的方法。控制变量选用邢斐等^[23]利用企业规模(size)、托宾Q值(Tobin Q)、经营活动现金流(cash flow generated by operating activities, CFO)和资产负债率(asset-liability ratio, ALR),其中为消除个体效应对于经营活动现金流的影响以客观衡量个体经营活动的能力,使用经营活动现金流与总资产之比来替代经营活动现金流。除此之外,纳入了衡量投资回报的净资产收益率(rate of return on common stockholders’ equity, ROE)和企业发展水平的主营业务收入增长率(main business’s increasing rate of income, MBIRI)作为内部控制变量,外部宏观环境控制变量则选取广义货币(M2)。为考虑数据披露的全面性,将样本研究时间范围控制在2007—2023年并对异常值进行双边1%的Winsorize缩尾处理,覆盖了2008年次贷危机、2015年股灾和2020年新冠肺炎疫情等事件。

表1是对上述各变量描述性统计的结果,其中并购绩效CAR的中位数为0.165 1%,也说明上述并购事件当中盈利的和亏损的各占比约为一半,表明并购事件的盈利与否并不是单纯与并购这一动作有关,探究影响并购绩效的因素尤为关键。此外,中国经济政策不确定性和投资者情绪指数标准差均超过25,明显高于其他指标,说明二者具有高波动性的特点,侧面解释了纳入其作为研究变量以判断该高波动对于更多被解释变量影响机制的必要性。

2.3 模型设计

为了验证本文的研究假设,构建以下固定效应OLS回归模型,其中模型(1)为验证H1,模型(1)~模型(3)用于验证H2a,模型(1)和模型(4)用于验证H2b。

(1)

C A R i, t = α 1 C N E P U t - 1 + ∑ j = 1 N 1 θ j C o n t r o l s i, t - 1 + ∑ k = 1 N 2 λ k T k + ∑ m = 1 N 3 μ m I n d u s t r y m + c + ε i t

(2)

I S I i t = β 1 C N E P U t - 1 + ∑ j = 1 N 1 θ' j C o n t r o l s i, t - 1 + ∑ k = 1 N 2 k' j T k + ∑ m = 1 N 3 μ' j I n d u s t r y m + c' + ε' i t

(3)

C A R i, t = η 1 C N E P U t - 1 + η 2 I S I t - 1 + ∑ j = 1 N 1 θ ″ j C o n t r o l s i, t - 1 + ∑ k = 1 N 2 k ″ j T k + ∑ m = 1 N 3 μ ″ j I n d u s t r y m + c ″ + ε ″ i t

(4)

C A R i, t = γ 1 C N E P U t - 1 + γ 2 I S I t - 1 + γ 3 C N E P U × I S I t - 1 + ∑ j = 1 N 1 θ ‴ j C o n t r o l s i, t - 1 + ∑ k = 1 N 2 k ‴ j T k + ∑ m = 1 N 3 μ ‴ j I n d u s t r y m + c ‴ + ε ‴ i t

式中:i、t分别为企业和时间;Controls为控制变量集。由于考虑并购绩效具有时效性并剔除变量间内生性的问题,对经济政策不确定性、投资者情绪以及控制变量均通过滞后一期处理,并对并购标的所属行业Industry和时间季节T进行固定效应的控制。

3 实证分析结果

收起

3.1 回归分析与机制检验

表2报告了实证模型的回归结果。列(1)的结果表明,经济政策不确定性对于并购绩效的影响在1%的水平下显著负相关,表明经济政策的不确定性对于并购绩效的影响存在抑制效应。从经济意义上分析,并购绩效会因经济政策的不确定性导致并购后的短期绩效发生负面影响,其中经济政策的不确定性是指市场上所有交易者在无内幕信息情况下,无法预测经济政策于何时颁布及无法得知政策内容和实施效果,因此在此之前发生的并购决策行为会导致并购后一年内短期绩效发生负面影响,H1得以验证。

关于进一步探究经济政策不确定性对并购绩效的影响路径,引入行为金融因素——投资者情绪,分别按照中介效应路径和调节效应路径分析了投资者情绪的作用机制,并提出了H2a和H2b。

对于中介效应路径,参照温忠麟等^[24]的逐步回归法进行检验,分别对应列(1)~列(3),实证结果表明,经济政策不确定性对于投资者情绪起到负面影响效果,但主效应列(1)在加入了投资者情绪后,投资者情绪并未显著,而原先的经济政策不确定性依旧在1%的水平下显著,也间接说明尽管经济政策不确定性对于投资者情绪产生负面影响,但投资者情绪无法直接作用到企业并购绩效当中,即中介效应不明显,H2a不成立。经济意义上的解释是企业的绩效取决于内部管理者的理性或非理性决策,并不直接受到外界或者自身情绪的影响,而这种情绪的影响更多的是一种推力,并非决定性因素。

对于调节效应路径,参照温忠麟等^[25]对于调节效应的分析方法,将经济政策不确定性和投资者情绪作为交互项纳入模型(3),回归结果如列(4)所示,可以发现在纳入交互项CNEPU×ISI后,核心解释变量经济政策不确定性系数由-0.015 1增加至-0.017 2,且依旧在1%水平下显著负相关,交互项CNEPU×ISI的系数显著为负,说明了投资者情绪在经济政策不确定性对并购绩效的影响路径当中起到负面强化作用。从经济意义上分析,投资者情绪会助长不管是并购后的企业股东投资方抑或其他投资方不安的情绪,使得原本的管理者理性决策转变为非理性抑或放大原本的非理性决策从而影响企业绩效,也验证了H2b的成立。

3.2 内生性问题与稳健性检验

3.2.1 工具变量法

为了使上述回归结果更具有说服力,引入工具变量法解决因可能遗漏变量的内生性问题。其中工具变量的选择用到美国经济政策不确定性指数(US economic policy uncertainty, USEPU)以对标前文所采用到的中国经济政策性指数^[23],并对USEPU做滞后一期处理。工具变量法采用2SLS模型进行重新估计,具体结果如表3所示。第一阶段回归结果表明,美国经济政策不确定性与中国经济政策不确定性呈现出显著正相关关系,并且弱工具变量测试和不可识别检验结果说明工具变量选择的合理性,对应的CD Wald F、SW S统计值和LM统计值分别大于1%水平相应的临界值。在第二阶段回归当中,加入第一阶段回归残差后的回归结果与模型(1)的结果类似,中国经济政策不确定性依旧显著为负,也印证基础回归结果的稳健性并解决内生性问题。

3.2.2 更换控制变量和被解释变量度量方式

为了进一步排除因调节变量和被解释变量的主观选择的影响,分别采用易志高和茅宁^[21]构造的中国投资者情绪综合指数(China investors’ comprehensive sentiment index, CICSI)和陈仕华和王雅茹^[22]利用购买并持有超常收益率(buy-and-hold abnormal return, BHAR)所构建的长期并购绩效,分别用于替代调节变量投资者情绪指数ISI和被解释变量短期并购绩效CAR进行稳健性检验,具体结果如表4所示。表4的结果和前文基础回归结果差异不大,既证实了基础回归结论依旧可靠和不受变量主观选取的影响,也从经济意义上解释了经济政策不确定性不仅仅是对于企业并购短期绩效产生负面影响,对于长期绩效同样有着显著的抑制效果,并且投资者情绪在这当中也起到增强作用。

3.2.3 改变回归估计方法

进一步为排除可能因为回归方法主观选择的影响,将原先固定效应模型当中的截面异质性进行调整,由季度改为半年度进行控制,结果如表5列(1)和列(2)所示,该结果依旧稳健。另外,采用面板Tobit回归方式对基础的固定效应模型OLS回归方式进行替换,将并购绩效CAR按照描述性统计当中的分布特点将其控制在[-20, 20]这一对称区间,以防止数据两侧存在截断的数据影响结果,回归结果如表5列(3)和列(4)所示,该结果依旧和基础回归相呼应,更加证实了基础回归结论的稳健性。

3.3 异质性分析

为深入探讨不同情形下经济政策不确定性、投资者情绪对于企业并购绩效的影响,分别按照所处的经济周期、是否为机构投资者集中持股、营商环境的情况以及是否为绿色并购四种情况作异质性分析,具体分析结果如表6~表9所示。

3.3.1 经济下行VS经济上行

对于所处的不同经济周期划分,利用到全国制造业采购经理指数按照50%的枯荣线划分,在50%及以上认为处于经济上行周期,50%以下为下行周期。表6汇报了经济下行和经济上行时期经济政策不确定性、投资者情绪对于企业并购的影响结果,以上分组在5%水平下通过系数似无相关检验。结果表明,当处于经济下行周期时,经济政策不确定性、投资者情绪对于企业并购绩效的影响不显著,相反在经济上行时产生了负面影响,其中核心解释变量CNEPU和交互项CNEPU×ISI分别在5%和1%的水平下显著负相关。对此从经济意义上解释是,在经济下行周期,企业并购绩效普遍下降,经济政策不确定性、投资者情绪并非直接影响因素;相反,在经济上行周期,二者成为诸多不确定性因素当中的重要因素,其中经济政策不确定性起到对并购绩效产生直接影响的效果,投资者情绪同样通过调节效应机制增强经济政策不确定性的影响以抑制企业并购绩效。

3.3.2 机构投资者集中持股VS机构投资者非集中持股

机构投资者集中持股已成为评价企业创新的重要指标之一^[26-27]。对于并购购买方而言,寻找那些具有创新能力的企业是提高并购绩效的关键因素。对此,按照机构投资者取得控制权的股权比例50%划分集中持股与非集中持股,以上分组在10%的水平下通过系数似无相关检验,具体结果如表7所示。显然,对于机构投资者集中持股的并购标的,经济政策不确定性、投资者情绪对于该类企业的并购绩效的影响不显著,表明机构投资者参与控制的企业一定程度上不受到经济政策不确定性以及投资者情绪对于并购绩效的冲击,而非机构投资者集中持股的企业则同样面临并购绩效被经济政策不确定性和投资者情绪抑制的局面。该结论也证实了机构投资者在并购决策当中的重要性,机构投资者基于自身通过对于不同企业的大量持股使得在信息获取上占据优势,从而能够对并购标的进行有效的管理和监督,并且机构投资者能够依托于自身的专业性为企业提供创新的决策从而缓解公司商誉减值风险。

3.3.3 营商环境优越VS营商环境良好

优化营商环境的建设能够为企业经营效益创造价值,也是企业稳定经营和高质量发展的保障^[28]。为了进一步为验证不同营商环境下企业并购绩效机制的影响机制,将城市等级作为营商环境的划分标准进行分组回归异质性分析,其中处于一线及新一线城市的企业定为营商环境优越,在二线及以下城市的企业则划分为营商环境良好,以上分组在10%的水平下通过系数似无相关检验。表8汇报了上述分析的回归结果,其中对于处于营商环境优越的企业,核心解释变量经济政策不确定性CNEPU在5%水平下显著但交互项CNEPU×ISI不显著,从经济意义上解释是,尽管处于优越的营商环境,但由于政策的不断变化以及未来潜在的二线城市发展潜力使得经济政策不确定性对于企业并购绩效产生负面的影响,而调节效应不存在也表明处于优越营商环境的企业能够基于信息获取与产业协同的优势使得决策更为理性且具有前瞻性,因而不受到投资者情绪所带来的负面效果。但对于营商环境良好的企业,经济政策的不确定性以及投资者情绪同样起到明显的负面效果,核心解释变量CNEPU以及交互项CNEPU×ISI分别在1%和5%的水平下显著负相关。

3.3.4 绿色并购VS非绿色并购

当前,绿色与创新已然成为国家战略发展的热点话题,绿色并购也成为当前并购市场的主要方向,其中绿色并购能够依托于产业之间的关联度实现有机整合从而促进企业绿色创新^[29]。对此,将研究样本划分为绿色并购与非绿色并购作异质性分析,绿色并购的划分参考潘爱玲等^[30]的方法,筛选出含有一系列节能关键词的并购标的以此判断是否为绿色并购,具体结果如表9所示,以上分组在1%的水平下通过系数似无相关检验。结果表明,对于属于绿色并购的企业,并购绩效并不受到经济政策的不确定性和投资者情绪的共同影响,而不属于绿色并购的企业则受到上述二者的负面影响,对应的核心解释变量CNEPU和交互项CNEPU×ISI分别在1%和10%的水平下显著为负。这一结果表明,绿色并购的企业通过并购整合提高自身核心竞争力,一方面满足国家战略发展规划以化解经济政策不确定性的影响,另一方面也实现了业务转型从而提高自身经营效益。

4 结论与启示

收起

4.1 结论

本文探究了经济政策不确定性对企业并购绩效的影响机制,以及探讨投资者情绪在上述机制当中起到的作用,并进一步考察了在不同经济周期、是否为机构投资者集中持股、所处的营商环境以及是否为绿色并购四个方面对经济政策不确定性对企业并购绩效影响机制,得到以下结论。

(1)经济政策不确定性能够显著地抑制企业并购绩效,且短期绩效和长期绩效同样有着相同的结果。当中投资者情绪作为调节因子,能够通过调节效应进一步增强该抑制效果。另外还研究发现投资者情绪与经济政策不确定性显著负相关,表明投资者情绪的负面波动与经济政策不确定性息息相关。

(2)当处于经济下行周期时,经济政策不确定性、投资者情绪对于企业并购绩效的抑制效果并不显著,相反在经济上行时具有明显的负面效应;对于机构投资者集中持股、所处的营商环境优越及属于绿色并购类型的企业,其并购绩效均不受经济政策不确定性和投资者情绪的影响。

4.2 启示

基于上述研究结论,本文得到以下启示。

(1)在高质量发展的今天,作为政策的制定者要保持宏观经济政策的相对稳定,并在政策执行时,考虑增强政策的透明度和连续性,降低市场各方对于政策实施效果不确定性的预期和投资者不安的情绪,以便于更好地开展后续有关并购前置工作。

(2)对于投资者而言,时刻关注市场动向,协同机构投资者打破信息不对称的壁垒,择优选择并购标的,优先考虑处于一线或者新一线城市以及符合可持续发展的绿色企业,顺应全球趋势、强化产业协同,推进并购网络一体化。

(3)对于并购目标公司,结合自身的技术优势循序渐进地推进环境、社会和治理(ESG)实践,践行绿色治理和可持续发展的理念,为推进新质生产力的发展做出贡献。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

HALEBLIAN

, KIM

, RAJAGOPALAN

. The influence of acquisition experience and performance on acquisition behavior:evidence from the U.S. commercial banking industry[J]. Academy of Management Journal, 2006, 49(2): 357-370.

[2]

KIM

, HALEBLIAN

, FINKELSTEIN

. When firms are desperate to grow via acquisition: the effect of growth patterns and acquisition experience on acquisition premiums[J]. Administrative Science Quarterly, 2011, 56(1): 26-60.

[3]

BAKER

, COVAL

, STEIN

J C

. Corporate financing decisions when investors take the path of least resistance[J]. Journal of Financial Economics, 2007, 84(2): 266-298.

[4]

NOFSINGER

J R

. Social mood and financial economics[J]. The Journal of Behavioral Finance, 2005, 6(3): 144-160.

[5]

PALEPU

K G

. Predicting takeover targets: a methodological and empirical analysis[J]. Journal of Accounting and Economics, 1986, 8(1): 3-35.

[6]

RHODES-KROPF

, ROBINSON

D T

. The market for mergers and the boundaries of the firm[J]. The Journal of Finance, 2008, 63(3): 1169-1211.

[7]

饶品贵, 岳衡, 姜国华. 经济政策不确定性与企业投资行为研究[J]. 世界经济, 2017, 40(2): 27-51.

[8]

BONAIME

, GULEN

, ION

. Does policy uncertainty affect mergers and acquisitions?[J]. Journal of Financial Economics, 2018, 129(3): 531-558.

[9]

PÁSTORL, VERONESI P. Political uncertainty and risk premia[J]. Journal of Financial Economics, 2013, 110(3): 520-545.

[10]

CHAKRABORTY

, BAUM

C F

, LIU

. Corporate financial policy and the value of cash under uncertainty[J]. International Journal of Managerial Finance, 2017, 13(2): 149-164.

[11]

陈仕华, 姜广省, 卢昌崇. 董事联结、目标公司选择与并购绩效——基于并购双方之间信息不对称的研究视角[J]. 管理世界, 2013(12): 117-132.

[12]

李林波, 刘维奇, 贺亚楠, 等. 投资者非理性与中国股票异象——基于异质信念的视角[J]. 管理科学学报, 2024, 27(4): 142-158.

[13]

SPENCEM. Competitive and optimal responses to signals: An analysis of efficiency and distribution[J]. Journal of Economic Theory, 1974, 7(3): 296-332.

[14]

LONG J B

, SHLEIFER

, SUMMERS

L H

, et al. Noise trader risk in financial markets[J]. Journal of Political Economy, 1990, 98(4): 703-738.

[15]

POLK

, SAPIENZAP. The real effects of investor sentiment[R]. Evanston, Illinois, USA: Northwestern University, 2004.

[16]

SIMPSONA. Does investor sentiment affect earnings management?[J]. Journal of Business Finance and Accounting, 2013, 40(7/8): 869-900.

[17]

花贵如, 刘志远, 许骞. 投资者情绪、企业投资行为与资源配置效率[J]. 会计研究, 2010(11): 49-55.

[18]

姜富伟, 刘雨旻, 孟令超. 大语言模型、文本情绪与金融市场[J]. 管理世界, 2024, 40(8): 42-64.

[19]

CLARK

A F

, MAXWELL

S P

, ANESTAKI

. Bach, Beethoven and benefactors: facebook engagement between symphonies and their stakeholders[J]. International Journal of Nonprofit and Voluntary Sector Marketing, 2016, 21(2): 96-108.

[20]

BAKER

S R

, BLOOM

, DAVISS

. Measuring economic policy uncertainty[J]. Quarterly Journal of Economics, 2016, 131(4): 1593-1636.

[21]

易志高, 茅宁. 中国股市投资者情绪测量研究:CICSI的构建[J]. 金融研究, 2009(11): 174-184.

[22]

陈仕华, 王雅茹. 企业并购依赖的缘由和后果: 基于知识基础理论和成长压力理论的研究[J]. 管理世界, 2022, 38(5): 156-175.

[23]

邢斐, 海梦碟, 曹瑜强. 经济政策不确定性与企业技术型并购——基于企业间的策略性互动关系视角[J]. 中国工业经济, 2023(6): 137-155.

[24]

温忠麟, 张雷, 侯杰泰, 等. 中介效应检验程序及其应用[J]. 心理学报, 2004(5): 614-620.

[25]

温忠麟, 侯杰泰, 张雷. 调节效应与中介效应的比较和应用[J]. 心理学报, 2005(2): 268-274.

[26]

王婧, 张秋艳, 杜志英. 异质机构投资者、股权集中与中小企业创新[J]. 统计与决策, 2022, 38(11): 169-173.

[27]

许长新, 杨李华. 异质性视角下机构投资者影响企业创新的路径[J]. 金融经济学研究, 2018, 33(6): 67-78.

[28]

邵传林. 地区营商环境与民营企业高质量发展:来自中国的经验证据[J]. 经济与管理研究, 2021, 42(9): 42-61.

[29]

毕茜, 陶瑶. 绿色并购与企业绿色创新[J]. 财会月刊, 2021(16): 38-45.

[30]

潘爱玲, 刘昕, 邱金龙, 等. 媒体压力下的绿色并购能否促使重污染企业实现实质性转型[J]. 中国工业经济, 2019(2): 174-192.

2025年第25卷第12期

PDF下载

230

138

引用本文

BibTeX

文章信息

接收时间：2025-01-23
首发时间：2025-12-17
出版时间：2025-06-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-01-23

基金

作者信息

广州开发区控股集团有限公司风控合规部, 广州 510663

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/kjhcy/CN/1208052410673631969

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

变量	样本量	平均值	标准差	最小值	中位数	最大值	说明
CAR	15 795	1.552 9	9.876 1	-25.254 7	0.165 1	35.330 5	%
CNEPU	201	142.061 4	30.425 2	73.619 7	138.798 2	238.317 2	-
ISI	201	60.329 6	27.858 0	29.810 0	53.810 0	218.960 0	-
size	11 954	22.265 2	1.294 7	18.265 9	22.081 3	28.109 2	LN,元
ROE	11 954	7.129 8	11.493 4	-98.732 2	7.466 1	78.127 5	%
TobinQ	11 954	2.092 3	1.740 8	0.633 8	1.632 8	58.591 8	-
CFO	11 954	4.584 9	7.693 3	-67.022 5	4.565 7	72.554 0	%
ALR	11 954	44.839 3	20.179 8	0.752 1	44.846 2	175.835 4	%
MBIRI	11 954	0.305 3	1.929 3	-0.999 1	0.146 0	87.483 7	%
M2	201	13.972 3	0.599 2	12.753 0	14.063 0	14.870 9	LN,亿元

变量

样本量

平均值

标准差

最小值

中位数

最大值

说明

CAR

15 795

1.552 9

9.876 1

-25.254 7

0.165 1

35.330 5

CNEPU

201

142.061 4

30.425 2

73.619 7

138.798 2

238.317 2

ISI

201

60.329 6

27.858 0

29.810 0

53.810 0

218.960 0

size

11 954

22.265 2

1.294 7

18.265 9

22.081 3

28.109 2

LN,元

ROE

11 954

7.129 8

11.493 4

-98.732 2

7.466 1

78.127 5

TobinQ

11 954

2.092 3

1.740 8

0.633 8

1.632 8

58.591 8

CFO

11 954

4.584 9

7.693 3

-67.022 5

4.565 7

72.554 0

ALR

11 954

44.839 3

20.179 8

0.752 1

44.846 2

175.835 4

MBIRI

11 954

0.305 3

1.929 3

-0.999 1

0.146 0

87.483 7

201

13.972 3

0.599 2

12.753 0

14.063 0

14.870 9

LN,亿元

被解释变量	CAR	ISI	CAR	CAR
CNEPU	-0.015 1^***	-0.106 7^***	-0.015 6^***	-0.017 2^***
	(0.005 7)	(0.008 7)	(0.005 5)	(0.005 5)
ISI			-0.004 5	-0.011 2
			(0.009 3)	(0.010 1)
CNEPU×ISI				-0.000 4^**
				(0.000 2)
Size	-1.368 4^***	-0.330 3	-1.369 9^***	-1.369 5^***
	(0.276 5)	(0.298 6)	(0.276 6)	(0.276 9)
ROE	-0.002 8	0.031 1^**	-0.002 6	-0.002 9
	(0.014 4)	(0.014 3)	(0.014 4)	(0.014 4)
TobinQ	0.661 9^***	-0.052 5	0.661 7^***	0.659 3^***
	(0.154 6)	(0.158 4)	(0.154 6)	(0.154 4)
CFO	0.000 5	-0.012 5	0.000 5	0.000 9
	(0.018 4)	(0.020 7)	(0.018 4)	(0.018 4)
ALR	0.010 7	0.004 2	0.010 7	0.010 7
	(0.010 8)	(0.011 8)	(0.010 8)	(0.010 8)
MBIRI	0.979 4^***	0.649 8^*	0.982 3^***	0.980 6^***
	(0.315 2)	(0.367 5)	(0.315 3)	(0.315 4)
M2	-2.634 9	-2.001 0^***	-3.511 1	-3.401 3
	(11.009 2)	(13.192 7)	(10.935 6)	(10.929 9)
常数项	69.392 9	2 834.398 0^***	82.065 9	81.089 8
	(154.746 0)	(185.689 4)	(153.754 3)	(153.692 7)
时间固定效应	是	是	是	是
行业固定效应	是	是	是	是
观测值	14 148	14 148	14 148	14 148

被解释变量

CAR

ISI

CAR

(1)

(2)

(3)

(4)

CNEPU

-0.015 1^***

-0.106 7^***

-0.015 6^***

-0.017 2^***

(0.005 7)

(0.008 7)

(0.005 5)

ISI

-0.004 5

-0.011 2

(0.009 3)

(0.010 1)

CNEPU×ISI

-0.000 4^**

(0.000 2)

Size

-1.368 4^***

-0.330 3

-1.369 9^***

-1.369 5^***

(0.276 5)

(0.298 6)

(0.276 6)

(0.276 9)

ROE

-0.002 8

0.031 1^**

-0.002 6

-0.002 9

(0.014 4)

(0.014 3)

(0.014 4)

TobinQ

0.661 9^***

-0.052 5

0.661 7^***

0.659 3^***

(0.154 6)

(0.158 4)

(0.154 6)

(0.154 4)

CFO

0.000 5

-0.012 5

0.000 5

0.000 9

(0.018 4)

(0.020 7)

(0.018 4)

ALR

0.010 7

0.004 2

0.010 7

(0.010 8)

(0.011 8)

(0.010 8)

MBIRI

0.979 4^***

0.649 8^*

0.982 3^***

0.980 6^***

(0.315 2)

(0.367 5)

(0.315 3)

(0.315 4)

-2.634 9

-2.001 0^***

-3.511 1

-3.401 3

(11.009 2)

(13.192 7)

(10.935 6)

(10.929 9)

常数项

69.392 9

2 834.398 0^***

82.065 9

81.089 8

(154.746 0)

(185.689 4)

(153.754 3)

(153.692 7)

时间固定效应

是

行业固定效应

是

观测值

14 148

变量	第一阶段	第二阶段
CNEPU		-0.050 3^***
		(0.014 1)
USEPU	0.210 0^***
	(0.004 3)
ISI	-0.327 6^***	-0.022 2^**
	(0.013 0)	(-0.010 1)
CNEPU×ISI	-0.005 3	-0.000 6^***
	(0.000 3)	(0.000 2)
CD Wald F	2 367.42^***
A. corr. LM stat.	2 426.87^***
SW S	15.76^***

变量

第一阶段

第二阶段

CNEPU

CAR

CNEPU

-0.050 3^***

(0.014 1)

USEPU

0.210 0^***

(0.004 3)

ISI

-0.327 6^***

-0.022 2^**

(0.013 0)

(-0.010 1)

CNEPU×ISI

-0.005 3

-0.000 6^***

(0.000 3)

(0.000 2)

CD Wald F

2 367.42^***

A. corr. LM stat.

2 426.87^***

SW S

15.76^***

被解释变量	替换控制变量为CICSI	替换被解释变量为长期并购绩效
CNEPU	-0.014 0^**	-0.014 1^**	-0.092 9^***	-0.084 8^**	-0.093 1^***
	(0.005 5)	(0.005 5)	(0.033 5)	(0.034 1)	(0.034 8)
ISI				0.075 6	0.042 3
				(0.049 0)	(0.056 7)
CICSI	0.033 4	0.037 0
	(0.033 9)	(0.033 9)
CNEPU×CICSI		-0.001 0^*
		(0.0006)
CNEPU×ISI					-0.001 8^*
					(0.001 1)
常数项	70.680 7	79.451 9	-836.505 2	-1 050.769 0	-1 055.626 0
	(154.677 4)	(154.574 1)	(881.998 9)	(896.414 4)	(896.379 5)
时间固定效应	是	是	是	是	是
行业固定效应	是	是	是	是	是
控制变量	控制	控制	控制	控制	控制
观测值	14 148	14 148	14 148	14 148	14 148

被解释变量

替换控制变量为CICSI

替换被解释变量为长期并购绩效

CAR

BHAR

(1)

(2)

(3)

(4)

(5)

CNEPU

-0.014 0^**

-0.014 1^**

-0.092 9^***

-0.084 8^**

-0.093 1^***

(0.005 5)

(0.033 5)

(0.034 1)

(0.034 8)

ISI

0.075 6

0.042 3

(0.049 0)

(0.056 7)

CICSI

0.033 4

0.037 0

(0.033 9)

CNEPU×CICSI

-0.001 0^*

(0.0006)

CNEPU×ISI

-0.001 8^*

(0.001 1)

常数项

70.680 7

79.451 9

-836.505 2

-1 050.769 0

-1 055.626 0

(154.677 4)

(154.574 1)

(881.998 9)

(896.414 4)

(896.379 5)

时间固定效应

是

行业固定效应

是

控制变量

控制

观测值

14 148

被解释变量	截面异质性调整	面板Tobit回归
CNEPU	-0.015 0^***	-0.016 8^***	-0.013 6^***	-0.014 0^***
	(0.004 6)	(0.004 5)	(0.004 4)	(0.004 5)
ISI		-0.016 7^*		-0.002 7
		(0.008 6)		(0.006 9)
CNEPU×ISI		-0.000 2^**		-0.000 2^**
		(0.000 1)		(0.000 1)
常数项	173.665 4^**	166.236 8^**	13.411 6^**	11.683 4^*
	(73.501 3)	(73.485 0)	(6.004 7)	(6.221 9)
时间固定效应	是	是	是	是
行业固定效应	是	是	是	是
控制变量	控制	控制	控制	控制
观测值	14 148	14 148	14 148	14 148

被解释变量

截面异质性调整

面板Tobit回归

CAR

(1)

(2)

(3)

(4)

CNEPU

-0.015 0^***

-0.016 8^***

-0.013 6^***

-0.014 0^***

(0.004 6)

(0.004 5)

(0.004 4)

(0.004 5)

ISI

-0.016 7^*

-0.002 7

(0.008 6)

(0.006 9)

CNEPU×ISI

-0.000 2^**

(0.000 1)

常数项

173.665 4^**

166.236 8^**

13.411 6^**

11.683 4^*

(73.501 3)

(73.485 0)

(6.004 7)

(6.221 9)

时间固定效应

是

行业固定效应

是

控制变量

控制

观测值

14 148

被解释变量	CAR	CAR
CNEPU	-0.008 9	-0.018 2^**
	(0.017 0)	(0.007 4)
ISI	0.08	-0.043 5^***
	(0.087 7)	(0.014 0)
CNEPU×ISI	-0.001 6	-0.000 9^***
	(0.001 4)	(0.000 3)
常数项	-916.850 1	158.756 3
	(890.302 5)	(191.728 9)
系数差异性	3.930 0^**
检验卡方值	p= 0.047 4
样本数	1 878	9 723
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量

CAR

下行

上行

CNEPU

-0.008 9

-0.018 2^**

(0.017 0)

(0.007 4)

ISI

0.08

-0.043 5^***

(0.087 7)

(0.014 0)

CNEPU×ISI

-0.001 6

-0.000 9^***

(0.001 4)

(0.000 3)

常数项

-916.850 1

158.756 3

(890.302 5)

(191.728 9)

系数差异性

3.930 0^**

检验卡方值

p= 0.047 4

样本数

1 878

9 723

时间固定效应

是

行业固定效应

是

控制变量

控制

被解释变量	CAR	CAR
CNEPU	-0.009 3	-0.021 2^***
	(0.010 2)	(0.007 7)
ISI	-0.013 5	-0.003 5
	(0.021 7)	(0.013 5)
CNEPU×ISI	-0.000 7	-0.000 2^**
	(0.000 5)	(0.000 1)
常数项	-355.697 8	164.210 4
	(293.559 1)	(212.516 2)
系数差异性	3.450 0^*
检验卡方值	p = 0.063 1
样本数	3 668	8 491
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量

CAR

集中持股

非集中持股

CNEPU

-0.009 3

-0.021 2^***

(0.010 2)

(0.007 7)

ISI

-0.013 5

-0.003 5

(0.021 7)

(0.013 5)

CNEPU×ISI

-0.000 7

-0.000 2^**

(0.000 5)

(0.000 1)

常数项

-355.697 8

164.210 4

(293.559 1)

(212.516 2)

系数差异性

3.450 0^*

检验卡方值

p = 0.063 1

样本数

3 668

8 491

时间固定效应

是

行业固定效应

是

控制变量

控制

被解释变量	CAR	CAR
CNEPU	-0.019 4^**	-0.024 4^***
	(0.008 2)	(0.008 6)
ISI	0.004 8	-0.023 2
	(0.015 0)	(0.015 8)
CNEPU×ISI	-0.000 2	-0.000 6^*
	(0.000 3)	(0.000 3)
常数项	98.789 1	-41.719 9
	(229.215 8)	(241.287 0)
系数差异性	3.760 0^*
检验卡方值	p = 0.052 4
观测值	6 756	6 026
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量

CAR

优越

良好

CNEPU

-0.019 4^**

-0.024 4^***

(0.008 2)

(0.008 6)

ISI

0.004 8

-0.023 2

(0.015 0)

(0.015 8)

CNEPU×ISI

-0.000 2

-0.000 6^*

(0.000 3)

常数项

98.789 1

-41.719 9

(229.215 8)

(241.287 0)

系数差异性

3.760 0^*

检验卡方值

p = 0.052 4

观测值

6 756

6 026

时间固定效应

是

行业固定效应

是

控制变量

控制

被解释变量	CAR	CAR
CNEPU	-0.007 2	-0.024 2^***
	(0.010 1)	(0.008 0)
ISI	0.001 1	-0.012 6
	(0.020 2)	(0.013 9)
CNEPU×ISI	-0.000 3	-0.000 5^*
	(0.000 5)	(0.000 3)
常数项	-415.413 8	97.162 7
	(301.130 2)	(214.398 0)
系数差异性	9.860 0^***
检验卡方值	p = 0.001 7
观测值	4 659	7 404
时间固定效应	是	是
行业固定效应	是	是
控制变量	控制	控制

被解释变量

CAR

属于

不属于

CNEPU

-0.007 2

-0.024 2^***

(0.010 1)

(0.008 0)

ISI

0.001 1

-0.012 6

(0.020 2)

(0.013 9)

CNEPU×ISI

-0.000 3

-0.000 5^*

(0.000 5)

(0.000 3)

常数项

-415.413 8

97.162 7

(301.130 2)

(214.398 0)

系数差异性

9.860 0^***

检验卡方值

p = 0.001 7

观测值

4 659

7 404

时间固定效应

是

行业固定效应

是

控制变量

控制