羅智

摘要：通過對(duì)1996年1月1日到2014年12月31日期間中國(guó)企業(yè)并購(gòu)活動(dòng)的詳細(xì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。從個(gè)體層面上發(fā)現(xiàn)，房地產(chǎn)行業(yè)的并購(gòu)市場(chǎng)十分活動(dòng)，這與房地產(chǎn)行業(yè)的特點(diǎn)有關(guān)。在群體層面上發(fā)現(xiàn)，中國(guó)企業(yè)并購(gòu)活動(dòng)的時(shí)間間隔分布滿足冪指數(shù)為r=0.5861的冪律分布。

關(guān)鍵詞：企業(yè)并購(gòu)活動(dòng)；時(shí)間間隔；冪律分布

1.引言

在自然界和人類的活動(dòng)中，冪律現(xiàn)象無(wú)處不在，從有關(guān)財(cái)富分配問題的Pareto律（二八法則）和關(guān)于英文單詞使用頻率問題的Zipf律，到后來(lái)的Barabási and Albert的BA無(wú)標(biāo)度網(wǎng)絡(luò)模型[1]，逐步掀起了對(duì)冪律現(xiàn)象的研究熱潮。在天文學(xué)方面，太陽(yáng)耀斑強(qiáng)度的分布是符合冪律分布的[2]。在社會(huì)學(xué)方面，戰(zhàn)爭(zhēng)規(guī)模與發(fā)生頻率的分布和姓氏地域的分布都是冪律現(xiàn)象著名的例子[3-4]。在計(jì)算機(jī)科學(xué)方面，網(wǎng)站中頁(yè)面的數(shù)量、文件大小均服從冪律分布[5]。在網(wǎng)絡(luò)研究方面，大量的現(xiàn)象是屬于冪律現(xiàn)象，例如：萬(wàn)維網(wǎng)[6]、科學(xué)家合作網(wǎng)絡(luò)[7]、食物鏈網(wǎng)絡(luò)[8]、蛋白質(zhì)關(guān)聯(lián)網(wǎng)絡(luò)[9]、電子郵件網(wǎng)絡(luò)[10]等等。由此可見，冪律現(xiàn)象是一種無(wú)處不在的常見現(xiàn)象。

人們?cè)诮?jīng)濟(jì)活動(dòng)方面對(duì)冪律現(xiàn)象的研究還很少見，在企業(yè)并購(gòu)方面尤為甚之。那么，在企業(yè)并購(gòu)方面是否存在著冪律現(xiàn)象呢？

2.實(shí)證研究

2.1 數(shù)據(jù)來(lái)源

本章所使用的企業(yè)并購(gòu)活動(dòng)數(shù)據(jù)來(lái)自國(guó)泰安數(shù)據(jù)服務(wù)中心（CSMAR Solution）的中國(guó)上市公司并購(gòu)重組研究數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)提供了企業(yè)并購(gòu)活動(dòng)事件的全面信息。從中國(guó)上市公司并購(gòu)研究數(shù)據(jù)庫(kù)中選取了1996年1月1日到2014年12月31日的企業(yè)并購(gòu)活動(dòng)數(shù)據(jù)作為研究對(duì)象，提取的字段包括“證券代碼”、“首次公告日期”、“交易是否成功”和“關(guān)聯(lián)交易標(biāo)識(shí)”。為了描述的方便，此數(shù)據(jù)集記為數(shù)據(jù)集1。

2.2 數(shù)據(jù)篩選

為了提高實(shí)證結(jié)果的精確度，本章只選取“交易成功”和“非關(guān)聯(lián)交易”的企業(yè)并購(gòu)活動(dòng)數(shù)據(jù)作為實(shí)證研究的樣本數(shù)據(jù)，也就是說(shuō)從數(shù)據(jù)集1中選擇“交易是否成功=Y”且“關(guān)聯(lián)交易標(biāo)識(shí)=N”的數(shù)據(jù)作為本章研究的樣本數(shù)據(jù)，最終獲取了2508家企業(yè)23374起并購(gòu)活動(dòng)的數(shù)據(jù)。

2.3 數(shù)據(jù)統(tǒng)計(jì)分析

2.3.1 個(gè)體層面的數(shù)據(jù)統(tǒng)計(jì)分析

為了研究單家企業(yè)并購(gòu)活動(dòng)的統(tǒng)計(jì)特征，在樣本數(shù)據(jù)中找出在1996年1月1日到2014年12月31日期間參與并購(gòu)活動(dòng)總次數(shù)排名前10的企業(yè)及其相關(guān)的并購(gòu)信息，詳細(xì)的統(tǒng)計(jì)結(jié)果如表2-1所示。

從表2-2中可以知道，在并購(gòu)次數(shù)前10位的企業(yè)中有8家企業(yè)來(lái)自于房地產(chǎn)行業(yè)，房地產(chǎn)行業(yè)中企業(yè)并購(gòu)市場(chǎng)的活躍程度由此可見一斑，這與房地產(chǎn)行業(yè)的性質(zhì)特點(diǎn)有著密切的關(guān)系。房地產(chǎn)行業(yè)并購(gòu)市場(chǎng)活躍的原因主要有以下幾點(diǎn)：第一，資源整合是房地產(chǎn)企業(yè)頻繁實(shí)施并購(gòu)活動(dòng)的原動(dòng)力，收購(gòu)企業(yè)可以通過并購(gòu)活動(dòng)獲得目標(biāo)企業(yè)的土地、物業(yè)等重要資源，從而擴(kuò)大企業(yè)的規(guī)模，提高企業(yè)的市場(chǎng)份額；第二，由于房地產(chǎn)行業(yè)屬于資金密集型的行業(yè)，房地產(chǎn)企業(yè)容易陷入資金緊張的局面，企業(yè)的并購(gòu)活動(dòng)能夠迅速解決資金短缺所帶來(lái)的問題；第三，2007年由美國(guó)次貸危機(jī)引起的國(guó)際金融危機(jī)爆發(fā)后，國(guó)家為了維護(hù)房地產(chǎn)行業(yè)的穩(wěn)定，出臺(tái)多項(xiàng)相關(guān)政策促進(jìn)房地產(chǎn)行業(yè)的產(chǎn)業(yè)整合，大量的房地產(chǎn)企業(yè)順應(yīng)政策趨勢(shì)從而頻繁地實(shí)施企業(yè)并購(gòu)活動(dòng)。

2.3.2 群體層面的數(shù)據(jù)統(tǒng)計(jì)分析

為了找到企業(yè)并購(gòu)活動(dòng)中的冪律現(xiàn)象，需要所有企業(yè)并購(gòu)活動(dòng)的時(shí)間間隔，利用樣本數(shù)據(jù)中“證券代碼”和“首次公告日期”兩個(gè)字段可以找到所有企業(yè)并購(gòu)活動(dòng)的時(shí)間間隔。以“時(shí)間間隔”（單位為天）為橫坐標(biāo)，其相應(yīng)的“頻率”為縱坐標(biāo)，在雙對(duì)數(shù)坐標(biāo)系下畫出“頻率—時(shí)間間隔”散點(diǎn)圖，如圖2-1所示。

從圖2-1中可以看到，“頻率—時(shí)間間隔”圖具有明顯的胖尾特性，胖尾特性是冪律分布的重要特征之一。利用Matlab軟件進(jìn)行擬合，得到擬合曲線為p（x）=0.02567x-0.5861，其中擬合曲線的誤差參數(shù)詳見表2-3。

從表2-3的誤差參數(shù)中可以知道，曲線的擬合度（R-square）達(dá)到了82.12%，其次，誤差平方和（SSE）和標(biāo)準(zhǔn)誤差（RMSE）都非常接近于零，因此，“頻率—時(shí)間間隔”散點(diǎn)圖服從冪律分布，即企業(yè)并購(gòu)活動(dòng)時(shí)間間隔服從冪指數(shù)r=0.5861的冪律分布。

3.結(jié)論

本文通過對(duì)中國(guó)企業(yè)并購(gòu)活動(dòng)時(shí)間間隔的實(shí)證研究發(fā)現(xiàn)，其“頻率—時(shí)間間隔”散點(diǎn)圖存在胖尾特性，并通過曲線擬合發(fā)現(xiàn)中國(guó)企業(yè)并購(gòu)活動(dòng)時(shí)間間隔是一種冪律現(xiàn)象。至于其冪律現(xiàn)象的產(chǎn)生機(jī)制尚在探討當(dāng)中，這也將是本文后續(xù)的研究目標(biāo)。（作者單位：廣東工業(yè)大學(xué)管理學(xué)院）

參考文獻(xiàn)：

[1] A L Barabási and R Albert. Emergence of scaling in random networks[J]. Science， 1999， 286（5439）： 509-512.

[2] Lu E.T. and Hamilton R.J. Avalanches and the Distribution of Solar Flares[J]. Astrophys， 1991， 380： 89-92.

[3] Roberts D.C. and Turcotte D.L. Fractality and Selforganized Criticality of Wars[J]. Fractals， 1998， 6： 351-357.

[4] Zanette D.H. and Manrubia S.C. Vertical Transmission of Culture and the Distribution of Family Names[J]. Physical A.， 2001， 259： 1-8.

[5] Crovella M. and Bestavros A. Self-Similarity in Word Wide Web Traffic： Evidence and Possible Causes[J]. IEEE/ACM Transactions on Networking， 1997， 5（6）： 835-846.

[6] Adamic L.A. and Hubennan B.A. Power-Law Distribution of the Word Wide Web[J]. Science， 2000， 287： 2113-2115.