尹陽春

[摘 要] 隨著資本市場的不斷發(fā)展，企業(yè)重大資產(chǎn)重組已經(jīng)成為企業(yè)優(yōu)化資源配置、謀求可持續(xù)發(fā)展的重要途徑。對投資者而言，在重大資產(chǎn)重組停牌公告發(fā)布前進行投資布局有助于獲得超常收益。通過以中國A股主板2015年至2017年發(fā)布重大資產(chǎn)重組停牌公告的公司為樣本，運用理論分析確定構(gòu)建貝葉斯網(wǎng)絡(luò)的節(jié)點，并在此基礎(chǔ)上通過貝葉斯網(wǎng)絡(luò)建立重大資產(chǎn)重組預(yù)測模型。研究發(fā)現(xiàn)，股權(quán)制衡度、資產(chǎn)減值損失占營業(yè)收入比例越大，出現(xiàn)控股股東變更，每股收益、每股凈資產(chǎn)、每股營業(yè)收入越小，上市公司發(fā)生重大資產(chǎn)重組事件的概率越大。模型總體準確率為71.63%，表明對重大資產(chǎn)重組公司進行預(yù)測在很大程度上是可行的。

[關(guān)鍵詞] 貝葉斯網(wǎng)絡(luò)；重大資產(chǎn)重組；預(yù)測模型

[中圖分類號] F724 [文獻標(biāo)識碼] A [文章編號] 1009-6043（2018）04-0083-03

Abstract： With the continuous development of capital market， the major asset restructuring of enterprises has become an important way for enterprises to optimize the allocation of resources and seek sustainable development. For investors， investment layout before major asset restructuring announcement is helpful to get abnormal returns. By using the theoretical analysis to establish the nodes of the Bayesian network， a major asset reorganization prediction model is established on the basis of the Bayesian network， which is based on a sample of the companies that issued a major asset restructuring stop bulletin from 2015 to 2017 of China's A shares. It has been found that the greater the proportion of equity and impairment of assets is in the operating income， with the change of the controlling shareholders and the smaller the net assets per share and the earnings per share are， the greater the probability of the major asset reorganization of the listed companies will have. The overall accuracy of the model is 71.63%， which indicates that it is feasible to predict major assetrestructured companies.

Key words： Bayesian network， major asset restructuring， prediction model

一、引言

最近幾年，我國上市公司資產(chǎn)重組的腳步越來越快，特別是重大資產(chǎn)重組已經(jīng)成為優(yōu)化資產(chǎn)結(jié)構(gòu)、實現(xiàn)企業(yè)價值增值的重要途徑，因此預(yù)測重大資產(chǎn)重組公司對投資者獲得超常收益具有重要意義。自21世紀以來，世界各國尤其是新興市場國家放寬了對資產(chǎn)重組行為的監(jiān)管。隨著資產(chǎn)重組行為數(shù)量的增加，國外研究人員開始關(guān)注對并購目標(biāo)的預(yù)測，通常的方法是邏輯回歸，衡量的主要指標(biāo)有資產(chǎn)負債率與總資產(chǎn)，如Kramaric（2012），準確率為70.6%；銷售增長率、投資回報率、總資產(chǎn)現(xiàn)金回收率，如Barai，Mohanty（2012），準確率高達91%；凈利率，資本勞動比率，營業(yè)收入，存貨周轉(zhuǎn)天數(shù)，如Tsagkanos（2012），總預(yù)測準確率僅為57.14%，但非目標(biāo)公司的準確率為91%。

中國學(xué)者的研究則大多沿襲了西方學(xué)者的方法。衡量的主要指標(biāo)有現(xiàn)金營運指數(shù)、固定資產(chǎn)比率、第一大股東持股比例、流通股比例，如張金鑫，張艷青，謝紀剛（2012），預(yù)測準確率不高，僅為56.1%；資產(chǎn)負債率、凈資產(chǎn)收益率、基本每股收益、每股經(jīng)營現(xiàn)金流量、前十大股東持股比例，如趙息，徐曉（2015），模型總體準確率為70.4%。

綜上，可以看到關(guān)于資產(chǎn)重組的研究大多以目標(biāo)公司為對象，只有少數(shù)文章涉及對主并公司的研究，如陳玉罡，李善民（2007），研究角度不夠全面。而且預(yù)測模型基本采取線性回歸分析，方法也較單一。而通過貝葉斯網(wǎng)絡(luò)方法對重大資產(chǎn)重組進行預(yù)測，可以對非線性的變量關(guān)系進行研究，從而擴大了預(yù)測指標(biāo)的選擇空間。另一方面，由于研究范圍不局限于重大資產(chǎn)重組的方式和企業(yè)在重大資產(chǎn)重組中的角色，而將研究對象擴大到所有重大資產(chǎn)重組公司，使預(yù)測模型具有更廣泛的應(yīng)用價值。

二、貝葉斯網(wǎng)絡(luò)的基本原理

貝葉斯網(wǎng)絡(luò)是由有向無環(huán)圖（DAG）所表示的各隨機變量間的概率關(guān)系，由有向無環(huán)圖和條件概率表兩部分構(gòu)成。有向無環(huán)圖即為貝葉斯網(wǎng)絡(luò)拓撲圖，圖中的各節(jié)點表示相應(yīng)的隨機變量，有向弧表示各節(jié)點之間的依賴關(guān)系，箭頭指向的方向為子節(jié)點，其另一端為父節(jié)點，沒有父節(jié)點的稱為根節(jié)點。條件概率表示各子節(jié)點對其父節(jié)點依賴關(guān)系的強弱。貝葉斯原理可表示為下面的公式：

P（A|B）=P（B|A）P（A）/P（B）=P（AB）/P（B）（1）

將公式（1）應(yīng)用于重大資產(chǎn)重組事件預(yù)測時，我們假定公司發(fā)布重大資產(chǎn)重組停牌公告為事件A，則P（A）表示公司發(fā)生重大資產(chǎn)重組事件的概率，P（B）是作為預(yù)測變量B處于某個等級的概率，P（B|A）表示在公司發(fā)生重大資產(chǎn)重組事件條件下，預(yù)測變量B處于某個等級的可能性。P（A）、P（B）、P（B|A）均可根據(jù)上市公司的經(jīng)驗值得到，通過貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)后，我們可以得到P（A|B），即預(yù)測出在變量B處于某個等級的條件下，公司發(fā)生重大資產(chǎn)重組事件的概率。

當(dāng)我們所建立的貝葉斯網(wǎng)絡(luò)中存在著i個變量時，由公式（1）可以得到聯(lián)合概率分布為：

P（X1，X2，…，Xi）=P（X1|X2，X3…，Xi）P（X2|X3，X4，…，Xi）…P（Xi-1|Xi）P（Xi） （2）

三、構(gòu)建貝葉斯網(wǎng)絡(luò)的指標(biāo)選擇

企業(yè)為了在激烈的市場競爭中取得優(yōu)勢，會努力獲取區(qū)別于競爭對手的獨特資源，這些資源不僅包括土地、設(shè)備、甚至資金等有形資源，還包括無形資源，例如獨特的專利技術(shù)、團隊、供貨合約、客戶關(guān)系、品牌等無形資源。這些資源的獲取過程一般需要漫長的時間，還需要投入巨額的人力、物力和財力。這些因素導(dǎo)致這些資產(chǎn)很難以貨幣計量，即使可以用貨幣計量，其重置的代價必然高昂。但是在公司價值較低的情況下，資產(chǎn)重組可以縮短取得的時間以達到獲取優(yōu)勢資源的目的。從這個角度來說，較低的公司價值會使通過資產(chǎn)重組來獲得額外生產(chǎn)能力的成本比自己從頭做起的代價要低的多。而根據(jù)企業(yè)價值理論，每股收益、每股凈資產(chǎn)、每股營業(yè)收入與企業(yè)價值緊密相關(guān)，因此將每股收益、每股凈資產(chǎn)、每股營業(yè)收入作為預(yù)測指標(biāo)。

資產(chǎn)減值是指資產(chǎn)未來可能流入的經(jīng)濟利益低于現(xiàn)有的賬面價值。對企業(yè)而言，在重大資產(chǎn)重組前確認資產(chǎn)減值，能夠體現(xiàn)因為內(nèi)部使用方式或范圍改變而導(dǎo)致的效用降低，從而更加真實地反映交易標(biāo)的預(yù)期帶來的經(jīng)濟利益，有利于合理評估交易標(biāo)的的價值，提高重大資產(chǎn)重組后企業(yè)的風(fēng)險應(yīng)對能力。而資產(chǎn)減值行為在財務(wù)報表上的表現(xiàn)，就是資產(chǎn)減值損失占營業(yè)收入比例增加，因此將資產(chǎn)減值損失占營業(yè)收入的比例作為預(yù)測指標(biāo)。

在公司實際生產(chǎn)經(jīng)營活動中，公司控制權(quán)往往由幾個大股東共同分享，通過內(nèi)部牽制，使得任何一個大股東都無法單獨控制企業(yè)的決策，從而達到大股東相互監(jiān)督的股權(quán)結(jié)構(gòu)。但是這種股權(quán)結(jié)構(gòu)不可能一成不變，尤其是重大資產(chǎn)重組涉及的交易標(biāo)的無論從總額、凈額還是所產(chǎn)生的營業(yè)收入來看都占有企業(yè)現(xiàn)有資產(chǎn)相當(dāng)高的比例，這種交易可能會對已有的股權(quán)結(jié)構(gòu)產(chǎn)生沖擊。結(jié)合以往的研究成果，選擇前十大股東持股數(shù)對第一大股東持股數(shù)的比例作為預(yù)測指標(biāo)。

企業(yè)控制權(quán)的變更可能會使小股東和大股東間的委托代理關(guān)系發(fā)生變化，比如新控股股東支持調(diào)整公司的經(jīng)營規(guī)模范圍，在這種情況下，新控股股東可能會通過推動重大資產(chǎn)重組以求在短時間內(nèi)獲取市場競爭優(yōu)勢。因此將公司控股股東的變更作為預(yù)測指標(biāo)。

綜上所述，初步的指標(biāo)選取如表1所示：

四、重大資產(chǎn)重組預(yù)測模型構(gòu)建

（一）樣本選擇

從東方財富Choice數(shù)據(jù)庫和巨潮資訊網(wǎng)中獲得的2015年5月1日至2016年4月30日A股主板1542家上市公司作為訓(xùn)練樣本，用于構(gòu)建預(yù)測模型；2016年5月1日至2017年4月30日A股主板1632家上市公司作為測試樣本，用于檢驗預(yù)測模型的準確率。在剔除報告年度中財務(wù)數(shù)據(jù)缺失的樣本的基礎(chǔ)上通過不同年份的數(shù)據(jù)學(xué)習(xí)模型參數(shù)，更新貝葉斯網(wǎng)絡(luò)模型，動態(tài)地預(yù)測重大資產(chǎn)重組狀況，并對模型的準確性進行檢驗。

（二）學(xué)習(xí)網(wǎng)絡(luò)參數(shù)

運用軟件Netica，對已選出的重大資產(chǎn)重組事件信號和是否發(fā)生重大資產(chǎn)重組事件（目標(biāo)節(jié)點）進行構(gòu)建貝葉斯網(wǎng)絡(luò)。貝葉斯網(wǎng)絡(luò)要求數(shù)據(jù)是離散的，上述預(yù)測變量中，除控股股東是否變更是離散型變量外，其他指標(biāo)都是連續(xù)的。所以，根據(jù)證監(jiān)會公布的上市公司行業(yè)指引對數(shù)據(jù)進行分類，以公司年報發(fā)布前的分類結(jié)果為準進行離散處理，采用中位數(shù)方法，將指標(biāo)按照行業(yè)分為2級，所構(gòu)建的以是否發(fā)生重大資產(chǎn)重組為目標(biāo)節(jié)點的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

在確定貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)之后，需要對節(jié)點的先驗概率值進行計算，并根據(jù)計算結(jié)果對節(jié)點賦值。在對節(jié)點進行賦值時，對數(shù)據(jù)缺失或無效的部分會根據(jù)專家意見進行調(diào)整。對于財務(wù)類指標(biāo)，根據(jù)分類的結(jié)果對上市公司進行排序，并以行業(yè)中位數(shù)為衡量標(biāo)準將相同行業(yè)公司的指標(biāo)分為兩種狀態(tài)；對于非財務(wù)類指標(biāo)，根據(jù)相關(guān)事件發(fā)生與否將指標(biāo)分為兩種狀態(tài)。以目標(biāo)節(jié)點以及上一級節(jié)點為例，重大資產(chǎn)重組停牌概率節(jié)點的狀態(tài)分為發(fā)生（Y）和不發(fā)生（N）兩種。對于公司價值、股權(quán)制衡和減值這三個上一級節(jié)點，狀態(tài)分為高于行業(yè)平均數(shù)（H）和低于行業(yè)平均數(shù)（L）兩種。另外對于公司價值節(jié)點，每股收益、每股凈資產(chǎn)和每股營業(yè)收入至少兩項指標(biāo)低于行業(yè)平均數(shù)（L）和至少兩項指標(biāo)高于行業(yè)平均數(shù)（H）兩種。其他指標(biāo)也按照相同原則進行處理。由于篇幅有限，不再列舉其他指標(biāo)的賦值情況。目標(biāo)節(jié)點以及上一級節(jié)點的復(fù)制情況如表2所示。

進行準確率檢驗前，我們首先要確定概率閾值，由于研究方法是以全樣本研究，故選用E（P）的估計值，即目標(biāo)樣本占總樣本的比例19.8%作為概率閾值對模型進行檢驗。

（三）模型準確率檢驗

將測試樣本1632家A股主板上市公司各預(yù)測變量的觀測值代入模型，其中為202家為發(fā)生重大資產(chǎn)重組事件公司，1430家為未發(fā)生重大資產(chǎn)重組事件公司。其最終測試結(jié)果如表3所示。

五、結(jié)論

綜上，采用貝葉斯網(wǎng)絡(luò)構(gòu)建重大資產(chǎn)重組事件預(yù)測模型，總體預(yù)測正確率為71.63%，并發(fā)現(xiàn)股權(quán)制衡度、資產(chǎn)減值損失占營業(yè)收入比例越大，出現(xiàn)控股股東變更，每股收益、每股凈資產(chǎn)、每股營業(yè)收入越小，上市公司發(fā)生重大資產(chǎn)重組事件的概率越大。結(jié)果表明，投資者可運用貝葉斯網(wǎng)絡(luò)對可能發(fā)生重大資產(chǎn)重組事件進行預(yù)測，進而為投資者選擇投資目標(biāo)提供路徑。

[參考文獻]

[1]Kramaric T P. Predicting Takeover Targets -- Case of Croatian Insurance Companies （1998-2010）[J].Journal of Global Business Management， 2012， 8（1）：33-41.

[2]Barai P， Mohanty P. Predicting Acquisitions in India[J].Vikalpa the Journal for Decision Makers， 2012（3）：29-50.

[3]Tsagkanos A， Koumanakos E， Georgopoulos A， et al. Prediction of Greek takeover targets via bootstrapping on mixed logit model[J].Review of Accounting & Finance， 2012， 11（3）：315-334.

[4]陳玉罡，李善民.并購中主并公司的可預(yù)測性——基于交易成本視角的研究[J].經(jīng)濟研究，2007（4）：90-100.

[5]張金鑫，張艷青，謝紀剛.并購目標(biāo)識別：來自中國證券市場的證據(jù)[J].會計研究，2012（3）：78-84.

[6]趙息，徐曉.中國制造業(yè)并購目標(biāo)的財務(wù)特征及預(yù)測[J].河北工業(yè)科技，2015，32（2）：107-111.

[7]趙文平，王園園，張一楠，周達培.基于貝葉斯網(wǎng)絡(luò)的上市公司財務(wù)風(fēng)險預(yù)警模型[J].財會月刊，2015（23）：66-69.

[8]孟榮芳.上市公司并購重組商譽減值風(fēng)險探析[J].會計之友，2017（2）：86-89.

[9]陳凱.企業(yè)重組并購形勢下資產(chǎn)管理風(fēng)險探析[J].會計之友，2012（23）：59-60.

[10]阮素梅，丁忠明，劉銀國，楊善林.股權(quán)制衡與公司價值創(chuàng)造能力“倒U型”假說檢驗——基于面板數(shù)據(jù)模型的實證[J].中國管理科學(xué)，2014，22（2）：119-128.

[11]林俊榮.中國并購市場目標(biāo)公司特征研究[D].北京交通大學(xué)，2014.

[12]李敏.基于貝葉斯網(wǎng)絡(luò)的高新企業(yè)融資風(fēng)險評估模型[J].統(tǒng)計與決策，2016（15）：177-179.

[責(zé)任編輯：趙磊]