ارائه مدلی برای پیش بینی هدف‌گیری سهام توسط معاملات بلوکی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه حسابداری و مالی، دانشکده مدیریت و حسابداری، پردیس فارابی دانشگاه تهران، قم، ایران

2 دانشکده مدیریت دانشگاه تهران

3 دکتری مدیریت مالی، دانشکده مدیریت و حسابداری، پردیس فارابی دانشگاه تهران

چکیده

هدف این پژوهش ارائه مدلی برای پیش‌بینی هدف‌گیری سهام توسط معاملات بلوکی با استفاده از رگرسیون لجستیک می‌باشد. در این پژوهش ویژگی‌هایی مورد بررسی قرار می‌گیرد که در ارتباط با احتمال تبدیل شرکت‌ها به هدف معاملات بلوکی سهام هستند. برای این منظور داده-های مربوط به 117 شرکت عضو بورس اوراق بهادار تهران که هدف معاملات بلوکی با حجم معامله بالای 5 درصد قرار گرفته بودند و117 شرکت که هدف معاملات قرار نگرفته بودند، در دوره زمانی 1388-1396 انتخاب و با استفاده از روش لاجیت و پروبیت مورد بررسی قرار گرفتند. نتایج نشان داد اهرم مالی به صورت منفی بر فراوانیِ بلوک تجاری‌شدنِ شرکت‌ها تأثیر می‌گذارند. همچنین شرکت‌هایی‌ که از جریان مالی آزاد و بالایی برخوردارند، دارای سهم بازار بالاتر، پراکندگی مالکیت بیشتر و نهادهای دولتی جزء سهام‌داران عمده آنها می‌باشند، احتمالاً به بلوک‌های تجاری تبدیل می‌شوند. در این پژوهش همچنین به مقایسه‌ای بین مدل ایجاد شده با رگرسیون لجستیک با سایر تکنیک‌های پیش‌بینی معروف، شبکه عصبی مصنوعی و شبکه‌های عصبی فازی گزارش شدند. نتایج نشان می‌دهند که رویکرد شبکه عصبی فازی در پیش‌بینی هدف‌گیری سهام در مقایسه با سایر تکنیک‌ها از دقت بالاتری برخوردار است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Presenting a Prediction Model for Stock Targeting Through Block Trades

نویسندگان [English]

  • Mohammadreza Mehrabanpour 1
  • reza tehrani 2
  • Hamid Jamshidi 3
1 Department of Accounting and Finance, Faculty of management and accounting, University of Tehran, Farabi Campus, Qom, Iran
2 آدرس پستی: بزرگراه جلال آل احمد - پل نصر- دانشکده مدیریت دانشگاه تهران کدپستی : 1417963193 صندوق پستی : 14155-6311
3 Department of accounting and finance, Faculty of Management and Accounting, University of Tehran, Farabi Campus, Qom, Iran
چکیده [English]

The logistic regression technique was used to propose a model for predicting stock targeting through block trades. Those characteristics related to the likelihood of companies turning into a target for block trades were investigated. For this purpose gathered data on 117 Tehran Stock Exchange members, whose target of block trades with a trades volume of over 5% and 117 companies that did not target trading, was selected during the period of 2009-2017, using Logit method And probit were studied. The results showed that financial leverage and the change in assets negatively influenced the (block trades) commercialization frequency of the studied companies. It was also found that companies having a greater free cash flow, a higher market share, and a more distributed ownership, as well as companies with state organizations as principal shareholders, were more likely to be turned into commercial blocks. In addition, a comparison was made between the proposed logistic regression model and other well-known prediction models, namely, the artificial neural network and the fuzzy neural network models. The obtained results showed that the fuzzy neural network approach provided a more accurate prediction in terms of stock targeting than other techniques.

کلیدواژه‌ها [English]

  • Block trade
  • Takeover
  • Control
  • artificial neural network
  • fuzzy-neural network

تراکنش‌های بلوکی نشانۀ مهمی برای ‌سرمایه‌گذاران فعال در یک بازار بورس به‌همراه دارند. این تراکنش‌ها به‌طور مستقیم با ارزش‌گذاری سرمایۀ سهام یک شرکت در ارتباط‌اند. این معاملات بیرون از سیستم معاملاتی معمول و سیستم قیمت انفرادی صورت می‌گیرند و شامل معاملۀ مقادیر زیادی از سهام می‌شوند که به قیمت توافقی صورت می‌پذیرند [5]. یکی از اهداف مهم بازار معاملات بلوکی این است که فرصتی برای کنترل شرکت‌ها را در اختیار سرمایه‌گذاران قرار دهد؛ بنابراین، آنها بازارهایی برای کنترل شرکت‌ها هستند. در‌واقع، شرکت‌های خریدار اقدام به تصاحب شرکت‌هایی می‌کنند که مدیریت ضعیف و قیمت سهام پایینی دارند و از این طریق، از منافع حاصل از بهبود مدیریت آن شرکت‌ها بهره‌مند می‌شوند [8]. در این بازارها ساختارهای مالکیت به‌شدت متمرکز است و معاملات زیادی برای کنترل شرکت‌ها انجام شده است؛ در نتیجه، سهامداران کنترل‌کننده از منافع خصوصی مرتبط با کنترل شرکت‌ها بهره‌مند می‌شوند؛ در حالی که سهامداران اقلیت از این منافع برخوردار نیستند [25]. معاملات بلوکی باعث تغییر در هویت مالک عمدۀ شرکت و در‌نتیجه تغییر در کنترل شرکت می‌شود. در کشورهایی با تصاحب کمتر، معاملات بلوکی جایگزینی برای کنترل شرکت‌اند؛ بنابراین واکنش قیمت سهام به معاملات بلوکی باید «منافع خصوصی کنترل» را منعکس کند [9]؛ بنابراین، احتمال بهره‌برداری از این منافع خصوصی یکی از دلایل اصلی وجود بلوکی‌های سهام در دنیاست [18]. پژوهش‌های مختلفی دربارۀ انگیزه‌های خرید بلوکی در رابطه با ویژگی شرکت هدف معاملات، عملکرد و سیاست‌های مالی شرکت بررسی شده است. این حقیقت، پرسش مهمی ایجاد می‌کند که خریداران بلوکی سهام به‌دنبال منافع کنترلی بر شرکت هستند یا به‌دنبال سود سرمایه و افزایش ارزش‌افزوده؛ با این حال، با وجود اهمیت روشن معاملات بلوکی، انواع ساختارهای خرد بازار که معاملات بلوکی را ایجاد می‌کنند، به‌خوبی درک نشده‌اند. این پژوهش با الگو‌سازی تعادلی که در آن بلوکی‌ها به‌صورت درون‌زا معامله می‌شوند، منطقی نظری را برای این نوع خاص از معاملات ارائه می‌کند.

 

چارچوب نظری پژوهش

در طول سی‌سال گذشته، تعدادی از پژوهش‌های تجربی تلاش کرده‌اند تا ویژگی‌های اهداف تصاحبی را شناسایی کنند. این پژوهش‌ها طیف وسیعی از مباحث مختلف را دربارۀ شرکت‌هایی ایجاد کرده‌اند که ممکن است به‌عنوان اهداف تصاحبی انتخاب شوند. بیشتر این پژوهش‌ها ماهیت مالی و اقتصادی دارند و می‌توان آنها را به سه زیرمجموعه دسته‌بندی کرد [53]. نخستین زیرمجموعه تأکید ویژه‌ای بر شناسایی ویژگی‌های شرکت‌های اهداف تصاحبی دارد و به‌دنبال تشخیص این مسئله است که آیا اهداف تصاحبی ویژگی‌های متمایزی دارند یا نه [43]. زیرمجموعۀ دوم الگوهایی را برای ارزیابی احتمال دریافت پیشنهادهای تصاحبی توسعه می‌دهند و با تلاش برای پیش‌بینی اهداف تصاحبی و سپس کسب بازده‌ بیشتر سهام، مبنایی را برای ایجاد راهبردهای سرمایه‌گذاری فراهم می‌کنند [7، 28]. زیرمجموعۀ‌ سوم نیز به آزمون این مسئله می‌پردازد که آیا دست بازار کنترل شرکتی، در فرایندهای تصاحبی دخیل است یا خیر. مطالعات پیشین در پیشینۀ پژوهش نشان می‌دهد منافع خصوصی ناشی از کنترل، یکی از دلایل عمدۀ خریداران برای انجام معاملات بلوکی بوده است. مزایای خصوصی کنترل به‌صورت کسری از سهام یک شرکت تعریف می‌شود که به تمام سهامداران تعلق نمی‌گیرند و فقط سهامداران نهادی آنها را ضبط و گاهی اوقات حتی شرکت را مدیریت می‌کنند [31، 40].

همچنین، تصاحب بلوک ممکن است به‌دلیل علاقه به فناوری هدف حاصل شود. برای ایمن‌سازی این فناوری ممکن است سرمایه‌گذار راهبردی سهم چشمگیری را در شرکت مربوطه صاحب شود و بعد از آن تلاش کند دارایی‌های مهمی را از شرکت هدف منتقل سازد؛ مانند فناوری و کارمندان. در این مورد سهامدار بلوکی ارزش را از سهامداران هدف به سهامداران خود منتقل می‌سازد. مورد دوم، مالکیت بلوکی سرمایه‌گذار راهبردی ممکن است از حذف رقیب حاصل شود. در این مورد، سهم به‌دست‌آمده فقط جاپایی برای اعمال کنترل کامل بر شرکت است؛ در‌نتیجه، کسب شرکت ممکن است انگیزش‌های ضعیفی برای ترویج بهبودها در شرکت هدف داشته باشد [26]. در ادامه با توجه به پیشینۀ پژوهش و با در‌نظر‌گرفتن مطالعات تجربی انجام‌شده در این خصوص، به معرفی متغیرهای پژوهش و تبیین فرضیه‌ها پرداخته می‌شود.


 

نگارۀ1-تعریفعملیاتیمتغیرهاوپشتوانۀنظریآنها

متغیر

نماد

تعریف عملیاتی متغیرها

پشتوانۀ نظری

اندازۀ شرکت

Size

لگاریتم طبیعی کل ارزش بازار شرکت

[18، 19، 31، 44]

اهرم مالی

Lev

 

[18، 31، 44، 53]

سهم بازار

Ms

 

[20، 53، 55]

عملکرد شرکت

Qtobin

 

[18، 36، 41]

متغیر باینری

D_BT

تملک بلوکی= 1 و عدم‌تملک بلوکی=0

[1، 9، 31]

جریان نقد آزاد

FCF

 

[18، 20، 47، 56]

تملک بزرگ‌ترین سهامدار

First

درصد تملک بزرگ‌ترین سهامدار

[18، 45، 57]

پراکندگی مالکیت

OB

 

[18]

تراز مالکیت

NPTSR

 

[18، 5]

تملک دولتی

تملک دولتی

وجود سهامدار نهادی دولتی

[11، 13، 18]

PM

سودآوری

 

[6، 22، 27، 43، 44، 53]

سن شرکت

Age

اختلاف میان سال نمونۀ مربوطه و سال تأسیس شرکت

[2، 44، 46، 47]

رشد فروش

GS

 

[6، 20، 44، 53]


 

 

 

در این الگوD_BT متغیر وابسته است که اگر سهم هدف معاملۀ بلوکی قرار گرفته باشد مقدار 1 و در غیر این صورت مقدار صفر می‌گیرد. همچنین، متغیر‌های اندازۀ شرکت، اهرم مالی، سهم بازار، کیوتوبین، جریان نقد آزاد، درصد تملک بزرگ‌ترین سهامدار، پراکندگی مالکیت، تراز مالکیت، تملک دولتی، ارزش بازاری، سن شرکت، رشد فروش و سودآوری متغیر‌های مستقل‌اند.

 

فرضیه‌های پژوهش

فرضیۀ 1: اندازۀ شرکت بر هدف‌گیری سهام توسط معاملات بلوکی مؤثر است.

فرضیۀ بزرگی شرکت مدعی است که احتمال تصاحب شرکت‌ها و نیز تعداد پیشنهاد‌دهندگان قابل‌قبول برای آنها با افزایش بزرگی آنها کاهش می‌یابد [19، 18]. به همین‌ دلیل، اندازۀ شرکت متغیر توضیحی بسیار مهمی در فرایند تصاحب و ممیز قدرتمندی میان اهداف تصاحبی و شرکت‌های غیرهدف است. کاروالهال و سوبراهامانیام نشان می‌دهند اندازۀ شرکت به‌طور مثبت با منافع حاصل از کنترل در ارتباط است [16]. برعکس، برخی پژوهشگران نشان می‌دهند یک ارتباط منفی بین اندازۀ شرکت و منافع حاصل از کنترل وجود دارد؛ زیرا شرکت‌های بزرگ‌تر اطلاعات بیشتری را افشا می‌کنند و این موضوع باعث می‌شود که سهامدارن کنترل‌کننده به‌سختی به منافع حاصل از کنترل دست پیدا کنند [1].

فرضیۀ 2: اهرم مالی بر هدف‌گیری سهام توسط معاملات بلوکی مؤثر است.

جنسن بیان می‌کند بدهی به تولید نقدینگی آزاد و متعاقب آن به افزایش منافع خصوصی کنترل منجر می‌شود [35]. مطابق با این ایده، آلبوکرک و شروث و باسو، پیگلس و توفانین به این نتیجه رسیدند منافع خصوصی کنترل متناسب با نسبت بدهی به دارایی کاهش پیدا می‌کند [1، 10]. در ضمن، هریس و راویو عنوان می‌کنند تأمین مالی بدهی به مدیریت اجازه می‌دهد ساختارهای مالکیت متمرکز را حفظ کند و از این طریق، کنترل مدیریت بر دارایی‌های شرکت افزایش پیدا می‌کند [30].

فرضیۀ 3: میزان پراکندگی مالکیت بر هدف‌گیری سهام توسط معاملات بلوکی مؤثر است.

ساختار مالکیت شرکت بر فرصت‌های خریداران برای دستیابی به منافع خصوصی و همچنین، احتمال هدف‌قرار‌گرفتن شرکت‌ها در معامله‌های بلوکی تأثیر می‌گذارد. اگر ساختار مالکیت متمرکز باشد و سهامدار کنترل‌کنندۀ قوی وجود داشته باشد، خریداران به‌سختی به منافع خصوصی کنترل دست پیدا می‌کنند. پیش‌بینی حاصل از این بحث‌ها این است که خریداران عموماً شرکت‌هایی با ساختارهای مالکیت غیرمتمرکزتر را هدف قرار می‌دهند [18]. در واقع، لی و زنگ به این نتیجه رسیدند شرکت‌هایی با ساختار مالکیت غیرمتمرکز با احتمال بیشتری هدف تصاحب‌کنندگان قرار می‌گیرند [39].

فرضیۀ 4: عملکرد شرکت بر هدف‌گیری سهام توسط معاملات بلوکی مؤثر است.

وقتی قیمت سهام شرکت هدف نتواند ارزش بالقوه را منعکس کند، این شرکت گزینۀ خوبی برای تصاحب خواهد بود؛ زیرا تصاحب این شرکت، یک سرمایه‌گذاری ایده‌آل و همچنین ارزان است [36، 39]. شرکت‌هایی که فرصت رشد زیادی ندارند (ضریب کیو‌-توبین کم) از مشکلات مرتبط با نقدینگی آزاد رنج می‌برند و هدف معامله‌های بلوکی قرار می‌گیرند [18].

فرضیۀ 5: وجود سهامدار نهادی دولتی بر هدف‌گیری سهام توسط معاملات بلوکی مؤثر است.

تحلیل تأثیر عوامل نهادی نظیر مالکیت دولتی بر تصمیمات مرتبط با تصاحب شرکت‌ها اهمیت دارد. خریداران تمایل دارند شرکت‌هایی را هدف قرار دهند که فرصت‌هایی برای کسب منافع خصوصی در اختیار آنها قرار می‌دهند [42]. بدین‌ترتیب، دولت‌ها به‌عنوان سهامداران این شرکت‌ها می‌توانند از حق رأی خود برای تأثیرگذاری بر تصمیمات تجاری آنها استفاده کنند [34]. سهام‌ متعلق به دولت، تعهد دولت را برای نجات این شرکت از بحران‌های اقتصادی نشان می‌دهد؛ بنابراین، ریسک ورشکستگی این شرکت کاهش و قدرت ریسک‌پذیری آن افزایش می‌یابد [11].

فرضیۀ 6: جریان نقد آزاد شرکت بر هدف‌گیری سهام توسط معاملت بلوکی مؤثر است.

فرضیۀ‌ جریان آزاد پول نقد مشخص می‌کند با افزایش جریان آزاد پول نقد یک شرکت احتمال تصاحب آن افزایش می‌یابد. مدیرانی که به‌دنبال انباشت جریان آزاد نقدینگی نامناسب و زیادی هستند، ممکن است با چالش کنترل شرکتی روبه‌رو شوند [9، 1]. مطالعات قبلی نشان می‌دهند مدیران از نقدینگی آزاد همانند اجرای پروژه‌های ساختمانی برای کسب منافع خصوصی کنترل استفاده می‌کنند [18]. علاوه بر این، جریان آزاد و بسیار زیاد پول نقد در شرکت هدف نیز شرکت‌های پیشنهاددهنده را به خود جلب خواهد کرد؛ زیرا از این جریان آزاد نقدینگی می‌توان برای کاهش هزینۀ تصاحب و خرید استفاده کرد [20].

فرضیۀ 7: سهم بازار شرکت بر هدف‌گیری سهام توسط معاملات بلوکی مؤثر است.

در فرایند ارائۀ‌ پیشنهادهای تصاحبی موفق سهم بازاری بزرگ، شاخص مهمی به‌حساب می‌آیند. همچنین، نظریۀ بیشینه‌سازی رشد اذعان دارد مدیران تصاحب شرکت‌ با سهم بازار بیشتر را به تصاحب شرکت‌هایی با سهم کوچک‌تر ترجیح می‌دهند [6، 20]؛ بنابراین، شرکت‌هایی که از رشد فروش بیشتر و سهم بازار بیشتر برخوردارند، از فرصت‌های سرمایه‌گذاری بیشتری برخوردارند و هدف معاملات تصاحبی قرار می‌گیرند [17، 54].

فرضیۀ 8: سابقۀ شرکت در هدف‌گیری سهام توسط معاملات بلوکی مؤثر است.

فرضیۀ‌ سابقۀ‌ شرکت حاکی از آن است که با افزایش سابقۀ‌ یک شرکت، احتمال تصاحب آن کاهش می‌یابد [4]. زمانی که شرکت‌ها تازه تأسیس می‌شوند، پشتوانه‌های مالی آنها کم است؛ اما با گذر زمان و سرمایه‌گذاری شرکت در پژوهش‌ها و توسعه افزایش می‌یابند [2]. از این‌رو، احتمال تصاحب یک شرکت با افزایش تدریجی سابقۀ‌ حضور آن در یک صنعت خاص کاهش می‌یابد [38].

 

جامعۀ آماری و نمونه‌گیری

 انتخاب داده‌ها در چند مرحله انجام شد. در مرحلۀ نخست، نسبت به شناسایی معامله بلوکی از پایگاه داده‌های بورس اوراق بهادار تهران از سال 1388 تا 1396 اقدام شد. سپس معاملاتی که مربوط به سهام شرکت‌های سرمایه‌گذاری، بانک‌ها، بیمه‌ها، واسطه‌گری‌های مالی و لیزینگ به‌خاطر ماهیت خاص فعالیت‌شان حذف شدند، در ادامه شرکت‌هایی انتخاب شدند که حداقل حجم معامله بلوکی 5‌درصد را دارا هستند و سال مالی آنها در زمان معامله بلوکی به پایان اسفندماه ختم شود. در‌نهایت داده‌های مربوط به 117‌شرکت اکتسابی با 117‌شرکت غیراکتسابی بررسی شد که بر اساس اندازۀ شرکت بر مبنای دارایی‌ها برازش شده بودند.

 

روش پژوهش

این پژوهش از لحاظ هدف، کاربردی و از نوع پژوهش‌های تجربی است و با توجه به اینکه از اطلاعات تاریخی استفاده شده است، در دستۀ پژوهش‌های شبه‌آزمایشی قرار می‌گیرد. برای تحلیل عوامل مؤثر بر هدف‌قرارگرفتن شرکت‌ها در معامله‌های بلوکی، از یک متغیر ساختگی (D-BT‌) استفاده شد که برای شرکت‌هایی که هدف معامله‌های بلوکی قرار گرفتند، مقدار 1 و در غیر این‌ صورت مقدار صفر را اختیار می‌کند. برای شناسایی متغیر‌های مستقل که در هدف‌گیری سهام توسط معاملات بلوکی نقش دارند، با مراجعه به ادبیات پژوهش 15 متغیر شناسایی شد. در نهایت تعداد 6 متغیر مستقل و غیر‌همپوش مؤثر انتخاب و الگوی مفهومی پژوهش استخراج شد. روش آماری انتخاب‌شده برای تدوین الگوی پژوهش، تحلیل رگرسیون لجستیک است.

 

یافته‌ها

نگاره‌های 2 تا 10 نتایج آمار توصیفی و آزمون‌های فرضیه‌ها را نشان می‌دهند.

 

 

 

نگارۀ 2- آمار توصیفی متغیر‌های پژوهش

حداکثر

حداقل

کشیدگی

چولگی

انحراف‌معیار

میانگین

نماد

معیار‌ها

68/0

06/0-

37/3

3/1

12/0

16/0

FCF

جریان نقد آزاد

04/27

74/4-

53/64

43/6

44/2

13/2

Qtobin

کیوتوبین

28

3

21/1-

02/0

21/14

94/32

AGE

سابقۀ شرکت

62/1

07/0

78/2

48/0

22/0

61/0

lev

اهرم مالی

19

9

33/0-

31/0

01/2

41/13

SIZE

اندازۀ شرکت

99/0

0.00

72/12

22/3

15/0

093/0

MS

سهم بازار

42/1

5/0-

63/2

15/1

3/0

18/0

GS

رشد فروش

1

0.00

98/1-

19/0

49/0

45/0

D_SOE

تملک دولتی

04/27

74/4-

12/65

46/6

43/2

15/2

PBR

ارزش بازار

98

4

019/0

56/0

92/2

47/39

FIRST

تملک بزرگ‌ترین سهامدار

94/2

0.00

24/0

85/0

69/0

91/0

OB

پراکندگی مالکیت

67/1

63/0-

46/13

94/1

21/0

17/0

PM

سودآوری

100

9

79/0-

63/0-

54/23

81/69

NPTSR

ترازمالکیت

 


 

نگارۀ 3- نتیجه رگرسیون لجستیک برای کلیۀ متغیرها

معیار‌ها

نماد

ضرایب

انحراف‌معیار

والد

معناداری

تأیید/عدم‌تأیید

جریان نقد آزاد

FCF

18/4

91/1

76/4

029/0

تأیید

کیوتوبین

Qtobin

08/1

13/2

26/0

61/0

عدم‌تأیید

سابقۀ شرکت

AGE

016/0

014/0

43/1

23/0

عدم‌تأیید

اهرم مالی

lev

17/2-

97/0

99/4

02/0

تأیید

اندازۀ شرکت

SIZE

11/0

1/0

2/1

27/0

عدم‌تأیید

سهم بازار

MS

15/7

09/2

66/11

00/0

تأیید

رشد فروش

GS

13/1-

13/2

28/0

59/0

عدم‌تأیید

تملک دولتی

D_SOE

76/1

4/0

9/18

00/0

تأیید

ارزش بازار

PBR

13/1-

68/0

14/0

7/0

عدم‌تأیید

درصد مالکیت بزرگ‌ترین سهامدار

FIRST

011/0

01/0

23/1

26/0

عدم‌تأیید

پراکندگی مالکیت

OB

55/0

28/0

84/3

05/0

تأیید

سودآوری

PM

32/1

99/0

77/1

18/0

عدم‌تأیید

تراز مالکیت

NPTSR

009/0-

009/0

03/1

3/0

عدم‌تأیید

 

 

نگارۀ 3 نشان می‌دهد جریان نقد آزاد، سهم بازار، پراکندگی مالکیت و وجود سهامدار دولتی در بین سهامداران نهادی تأثیر مثبت بر هدف‌گیری سهام توسط معاملات بلوکی دارند و با توجه به سطح آماره والد این تأثیر تأیید می‌شود؛ بنابراین، با افزایش این متغیرها احتمال هدف‌گیری سهام توسط معاملات بلوکی افزایش می‌یابد. همچنین، نتایج نشان می‌دهد اهرم مالی بر هدف‌گیری سهام توسط معاملات بلوکی مؤثر است؛ بنابراین، با توجه به تأثیر منفی این متغیر بر هدف‌گیری سهام توسط معاملات بلوکی با کاهش سطح این متغیر احتمال هدف‌گیری سهام افزایش می‌یابد. همچنین، از سطح آماره والد و معناداری سایر متغیرها چنین استنباط می‌شود که این متغیرها تأثیر معناداری بر هدف‌گیری سهام توسط معاملات بلوکی ندارند.

 

 

نگارۀ 4- نتایج رگرسیون لجستیک با استفاده از روش لاجیت

متغیر‌های مستقل

ضرایب

انحراف‌معیار

سطح معناداری

جریان نقد آزاد

27/3

39/1

019/0

اهرم مالی

51/2-

02/1

014/0

سهم بازار

23/7

92/1

00/0

پراکندگی مالکیت

68/0

27/0

01/0

تملک دولتی

73/1

41/0

00/0

حداکثر درست‌نمایی

25/58

سطح معناداری

00/0

ضریب تعیین مک‌فادن

24/0

معیار اطلاعات حنان- کوئین

15/1

معیار اطلاعات آکائیک

11/1

 

نگارۀ 4 ضرایب رگرسیون در الگوی پژوهش و معناداری آنها را نشان می‌دهد. ضریب جریان نقد آزاد نشان می‌دهد در صورت ثابت‌بودن شرایط، اگر مقدار نسبت جریان نقد آزاد یک واحد افزایش یابد، لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی به‌طور متوسط 27/3 واحد افزایش خواهد یافت. ضریب اهرم مالی نشان‌دهندۀ آن است که در صورت ثابت‌بودن دیگر شرایط، اگر میزان اهرم مالی یک واحد افزایش یابد، لگاریتم نسبت شانس به زیان هدف‌گیری سهام توسط معاملات بلوکی51/2-واحد کاهش خواهد یافت. ضریب سهم بازار نشان می‌دهد در صورت ثابت‌بودن دیگر شرایط اگر سهم بازار شرکت یک واحد افزایش یابد، لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی23/7 واحد افزایش خواهد یافت. ضریب پراکندگی مالکیت نشان می‌دهد در صورت ثابت‌بودن دیگر شرایط، اگر سطح پراکندگی مالکیت یک واحد افزایش یابد لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی به طور متوسط 68/0 واحد افزایش خواهد یافت. همچنین، ضریب وجود سهامدار نهادی دولتی در بین سهامداران نشان می‌دهد در صورت ثابت‌بودن دیگر شرایط، اگر سطح تملک دولتی یک واحد افزایش یابد لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی 73/1 واحد افزایش می‌یابد.

 

نگارۀ 5- نتایج رگرسیون لجستیک با استفاده از روش پروبیت

متغیر‌های مستقل

ضرایب

انحراف‌معیار

سطح معناداری

جریان نقد آزاد

82/1

78/0

02/0

اهرم مالی

48/1-

6/0

01/0

سهم بازار

33/4

13/1

00/0

پراکندگی مالکیت

4/0

16/0

01/0

تملک دولتی

1

23/0

00/0

حداکثر درست‌نمایی

25/58

سطح معناداری

00/0

ضریب تعیین مک‌فادن

24/0

معیار اطلاعات حنان- کوئین

15/1

معیار اطلاعات آکائیک

11/1

 

نگارۀ 5 ضرایب رگرسیون در الگوی پژوهش و معناداری آنها را نشان می‌دهد. ضریب جریان نقد آزاد نشان می‌دهد در صورت ثابت‌بودن شرایط، اگر مقدار نسبت جریان نقد آزاد یک واحد افزایش یابد، لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی به‌طور متوسط 82/1 واحد افزایش خواهد یافت. ضریب اهرم مالی نشان‌دهندۀ آن است که در صورت ثابت‌بودن دیگر شرایط، اگر میزان اهرم مالی یک واحد افزایش یابد، لگاریتم نسبت شانس به زیان هدف‌گیری سهام توسط معاملات بلوکی 48/1- واحد کاهش خواهد یافت. ضریب سهم بازار نشان می‌دهد در‌صورت ثابت‌بودن دیگر شرایط اگر سهم بازار شرکت یک واحد افزایش یابد، لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی4.33 واحد افزایش خواهد یافت. ضریب پراکندگی مالکیت نشان می‌دهد در‌صورت ثابت‌بودن دیگر شرایط، اگر سطح پراکندگی مالکیت یک واحد افزایش یابد، لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی به‌طور متوسط 4/0 واحد افزایش خواهد یافت. همچنین، ضریب وجود سهامدار نهادی دولتی در بین سهامداران نشان می‌دهد در صورت ثابت‌بودن دیگر شرایط، اگر سطح تملک دولتی یک واحد افزایش یابد، لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی 1 واحد افزایش می‌یابد.

 

نگارۀ 6- نتایج پیش‌بینی با استفاده از روش رگرسیون خطی، لاجیت و پروبیت

دقت پیش‌بینی درست با استفاده از روش پروبیت

دقت پیش‌بینی درست با استفاده از روش روش خطی

دقت پیش‌بینی درست با استفاده از روش لاجیت

شاخص‌ها

67/0

68/0

67/0

میانگین

1

1

1

میانه

1

1

1

حداکثر

0

0

0

حداقل

47/0

46/0

47/0

انحراف‌معیار

73/0-

8/0-

73/0-

چولگی

53/1

65/1

53/1

کشیدگی

43/11

8/11

43/11

جارک برا

003/0

002/0

003/0

احتمال

43

44

43

مجموع

64

64

64

تعداد مشاهدات

 

نگارۀ 6 نشان می‌دهد هر‌کدام از سری‌ها چقدر پیش‌‌بینی درست از هر الگو ارائه کرده‌اند. تعجب‌آور نیست اگر بگوییم عملکرد الگوی احتمال خطی بهتر از دو الگوی دیگر است. همچنین، نتایج نشان می‌دهد روش لاجیت و پروبیت از دقت پیش‌بینی یکسانی برخوردارند.

 

نگارۀ 7- نتایج رگرسیون با استفاده از روش خطی

متغیر‌های مستقل

ضرایب

انحراف‌معیار

سطح معناداری

جریان نقد آزاد

51/0

22/0

02/0

اهرم مالی

4/0-

17/0

01/0

سهم بازار

86/0

2/0

00/0

پراکندگی مالکیت

13/0

05/0

00/0

تملک دولتی

3/0

06/0

00/0

حداکثر درست‌نمایی

33/12

سطح معناداری

00/0

ضریب تعیین

27/0

معیار اطلاعات حنان- کوئین

24/1

معیار اطلاعات آکائیک

2/1

 

نگارۀ 7 ضرایب رگرسیون در الگوی پژوهش و معناداری آنها را نشان می‌دهد. ضریب جریان نقد آزاد نشان می‌دهد در صورت ثابت‌بودن شرایط، اگر مقدار نسبت جریان نقد آزاد یک واحد افزایش یابد، احتمال هدف‌گیری سهام توسط معاملات بلوکی به‌طور متوسط 51/0 درصد افزایش خواهد یافت. ضریب اهرم مالی نشان‌دهندۀ آن است که در‌صورت ثابت‌بودن دیگر شرایط، اگر میزان اهرم مالی یک واحد افزایش یابد، احتمال هدف‌گیری سهام توسط معاملات بلوکی 48/1- درصد کاهش خواهد یافت. ضریب سهم بازار نشان می‌دهد در‌صورت ثابت‌بودن دیگر شرایط اگر سهم بازار یک شرکت یک واحد افزایش یابد، احتمال هدف‌گیری سهام توسط معاملات بلوکی 86/0 درصد افزایش خواهد یافت. ضریب پراکندگی مالکیت نشان می‌دهد در‌صورت ثابت‌بودن دیگر شرایط، اگر سطح پراکندگی مالکیت یک واحد افزایش یابد، احتمال هدف‌گیری سهام توسط معاملات بلوکی به‌طور متوسط 13/0 درصد افزایش خواهد یافت. همچنین، ضریب وجود سهامدار نهادی دولتی در بین سهامداران نشان می‌دهد درصورت ثابت‌بودن دیگر شرایط، اگر سطح تملک دولتی یک واحد افزایش یابد، احتمال هدف‌گیری سهام توسط معاملات بلوکی 3/0 درصد افزایش می‌یابد.

 

 

 

شکل 1- نمودار پراکنش یک خط راست گذرانده از مبدأ مختصات در الگوی برآورد خطی

 

 

شکل 2- نمودار پراکنش یک خط راست گذرانده از مبدأ مختصات در الگوی برآورد لاجیت و پروبیت

 

 

شکل 2 نمودار پراکنش یک خط راست گذرانده از مبدأ مختصات در الگوی برآورد لاجیت و پروبیت است که نشان‌دهندۀ عملکرد بسیار مشابه دو الگوی لاجیت و پروبیت است.

الگوی پژوهش

بر اساس نتایج آزمون فرضیه و با توجه به ضرایب متغیر‌های مستقل در جدول 7، الگو به‌صورت زیر تبیین و تدوین می‌شود و سپس در ادامه به بررسی اعتبار الگو پرداخته می‌شود:

 

 

 

که در آن‌: جریان نقد آزادFCF=، سهم بازار شرکت‌MS=، تملک دولتیD_SOE=، اهرم مالی شرکت‌lev=، پراکندگی مالکیت‌OB=، هدف‌گیری سهام توسط معاملات بلوکی‌D_BT=.

در مورد تفسیر ضرایب، مقدار به‌دست‌آمده برای هر یک از ضرایب، تغییر در متغیر L (لگاریتم نسبت شانس) به ازای یک واحد تغییر در متغیر x را نشان می‌دهد، به طوری که اثر یک واحد تغییر در متغیر x را در‌صورت ثابت‌بودن دیگر متغیرها بر نسبت شانس، یعنی  نشان می‌دهد؛. بنابراین، اگر مقدار نسبت جریان نقد آزاد یک واحد افزایش یابد، لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی به‌طور متوسط 27/3 واحد افزایش خواهد یافت. ضریب اهرم مالی نشان‌دهندۀ آن است که در صورت ثابت‌بودن دیگر شرایط، اگر میزان اهرم مالی یک واحد افزایش یابد، لگاریتم نسبت شانس به زیان هدف‌گیری سهام توسط معاملات بلوکی 51/2-واحد کاهش خواهد یافت. ضریب سهم بازار نشان می‌دهد در‌صورت ثابت‌بودن دیگر شرایط اگر سهم بازار شرکت یک واحد افزایش یابد، لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی 23/7 واحد افزایش خواهد یافت. ضریب پراکندگی مالکیت نشان می‌دهد در‌صورت ثابت‌بودن دیگر شرایط، اگر سطح پراکندگی مالکیت یک واحد افزایش یابد، لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی به‌طور متوسط 68/0 واحد افزایش خواهد یافت. همچنین، ضریب وجود سهامدار نهادی دولتی در بین سهامداران نشان می‌دهد درصورت ثابت‌بودن دیگر شرایط، اگر سطح تملک دولتی یک واحد افزایش یابد، لگاریتم نسبت شانس به نفع هدف‌گیری سهام توسط معاملات بلوکی 73/1 واحد افزایش می‌یابد.

 

آزمون هاسمر و لمشو

این شاخص مقدار متغیر وابستۀ مشاهده‌شده را با متغیر وابستۀ پیش‌بینی‌شده بر‌اساس الگو مقایسه می‌کند و چنانچه این تفاوت معنادار نباشد، نیکویی برازش حاصل است. در این آماره زمانی که مقدار احتمال (معناداری) بیشتر از 5‌درصد باشد، فرضیۀ پذیرفته‌شده و بیانگر این است که تفاوت متغیر وابسته مشاهده‌شده با متغیر وابسته پیش‌بینی‌شده معنادار نیست و نیکویی برازش حاصل شده است.

 

 

نگارۀ 8- آزمون هاسمر و لمشو

کای اسکوئر

درجه آزادی

معناداری

34/6

8

609/0

 

 

در ادامه برای انجام و مقایسۀ پیش‌بینی از جدول صحت کلاس‌بندی استفاده شد؛ همان‌طور که در نگارۀ 9 نشان داده شده است، شبکۀ عصبی مصنوعی فازی با دقت متوسط 87 درصد و شبکۀ عصبی مصنوعی با دقت 77‌درصد و رگرسیون لجستیک با دقت 73 درصد پیش‌بینی صحیح هدف‌گیری سهام توسط معاملات بلوکی را انجام می‌دهند؛ بنابراین، شبکۀ عصبی فازی بهترین دقت برآورد را داراست.

 

 نگارۀ 9- پیش‌بینی صحت هدف‌گیری سهام توسط معاملات بلوکی

درصد پیش‌بینی صحیح

غلط

صحیح

روش

70%

19

45

شبکه عصبی مصنوعی

67%

21

43

رگرسیون لجستیک

76%

15

49

شبکه عصبی فازی

 

 

شکل 3- نمودار رگرسیون در شبکه‌های عصبی مصنوعی

 

 

شکل 3 دارای سه محور است که نشان‌دهندۀ آموزش، اعتبار‌سنجی و آزمایش داده است. خط‌چین در هر محور نشان‌دهندۀ خروجی نتیجۀ مناسب‌= اهداف، خط توپر نشان‌دهندۀ بهترین خط رگرسیون خطی بین خروجی مناسب و اهداف ارزش Rنشانه‌ای از ارتباط بین خروجی و اهداف است. R=1  نشان می‌دهد یک رابطۀ خطی دقیق بین خروجی و اهداف وجود دارد. اگر  Rنزدیک به صفر باشد، پس از آن هیچ رابطۀ خطی بین خروجی و اهداف وجود ندارد. برای این الگو، داده‌ها نشان‌دهندۀ آموزش مناسب است.

 

 

 

شکل4- الگوی پیش‌بینی در شبکه‌های عصبی فازی

بررسی معناداری دقت پیش‌بینی با منحنی راک

 

شکل 5- منحنی راک برای سه روش پیش‌بینی

 

شکل5 خط قطری نمودار اصطلاحاً خط 50% گفته می‌شود. هر‌چقدر انحنای خطوط آن به سمت بالاتر بیشتر باشد، یعنی به عدد یک نزدیک‌تر شود، سطح زیر نمودار بیشتر و توان پیش‌بینی‌کنندگی آن به‌نسبت بیشتر خواهد بود که نشان‌دهندۀ توان پیش‌بینی‌کنندگی آن به نسبت بیشتر خواهد بود؛ بنابراین، نتایج عملکرد برتر شبکه‌های عصبی فازی را تأیید می‌کند.

 

 

نگارۀ 10- مساحت زیر منحنی راک

آزمون

ناحیه

خطای‌معیار

سطح معناداری

فاصله اطمینان95درصد

سطح پایین

سطح بالا

شبکه عصبی مصنوعی

88/0

025/0

00/0

83/0

93/0

شبکه عصبی فازی

98/0

06/0

00/0

97/0

1

رگرسیون لجستیک

81/0

033/0

00/0

75/0

88/0

فرضیۀ صفر: ناحیۀ صحیح= 5/0

 


نتیجه‌گیری و پیشنهادها

این پژوهش به‌طور خاص این پرسش را مطرح می‌کند که چه عواملی در هدف‌گیری سهام توسط معاملات بلوکی مؤثر هستند. برای پاسخ به آن، 13‌متغیر در ادبیات پژوهش شناسایی شد و با استفاده از یک نمونۀ آماری متشکل از 234‌شرکت در طی دوره‌سال‌های 1388 تا 1396 اقدام به شناسایی متغیرهای اثرگذار شده است. در ادامه، پژوهش اقدام به برآورد الگویی برای پیش‌بینی معاملات بلوکی در بازار سهام با استفاده از متغیرهای اثرگذار شد. در این پژوهش از رگرسیون لجستیک استفاده شده است تا از‌طریق آن احتمال هدف‌گیری را از طریق ایجاد رگرسیون متغیر ساختگی هدف‌گیری سهام توسط معاملات بلوکی بر متغیرهای بیرونی محاسبه شود. از آنجا که همۀ متغیرهای بیرونی در زمان معامله بلوکی قابل مشاهده هستند؛ بنابراین، محاسبات در رگرسیون لجستیک نمایانگر احتمال پیش‌بینی‌شدۀ معامله بلوکی هستند. نتایج نشان می‌دهند هدف‌گیری سهام توسط معاملات بلوکی با متغیرهایی نظیر جریان نقد آزاد، سهم بازار و تملک دولتی به‌طور مثبت و با اهرم مالی، تمرکز مالکیت و نسبت تغییر دارایی‌ها به‌صورت منفی در ارتباط است. این موضوع می‌تواند به این معنا باشد که شرکت‌هایی که سطح جریان نقد آزاد، سهم بازار و پراکندگی مالکیت بیشتری دارند، به احتمال بیشتری هدف معاملات بلوکی قرار می‌گیرند. در ادامۀ این پژوهش اقدام به پیش‌بینی معاملات بلوکی با استفاده از شبکه عصبی مصنوعی، شبکه عصبی فازی و مقایسۀ آن با رگرسیون لجستیک شد. نتایج نشان می‌دهد شبکه عصبی فازی بیشترین دقت را در پیش‌بینی این نوع خاص از معاملات داراست.

 

  1. Albuquerque, R. and E. Schroth, (2010). Quantifying private benefits of control from a structural model of block trades. Journal of Financial Economics,. 96(1): p. 33-55
  2. Agarwal, R. and M. Gort, (2002). Firm and product life cycles and firm survival. American Economic Review,. 92(2): p. 184-190.
  3. Ambrose, B.W. and W.L. Megginson, (1992). The role of asset structure, ownership structure, and takeover defenses in determining acquisition likelihood. Journal of Financial and Quantitative Analysis,. 27(4): p. 575-589.
  4. Bhattacharjee, A., et al., (2009). Macroeconomic instability and business exit: Determinants of failures and acquisitions of UK firms. Economica,. 76(301): p. 108-131.
  5. Byrka-Kita, K., M. Czerwiński, and A. Preś-Perepeczo, (2017). What drives shareholder reaction and wealth effect in block trades–Evidence from the Warsaw Stock Exchange. Emerging Markets Finance and Trade.
  6. Barnes, P., (2000). The identification of UK takeover targets using published historical cost accounting data Some empirical evidence comparing logit with linear discriminant analysis and raw financial ratios with industry-relative ratios. International Review of Financial Analysis,. 9(2): p. 147-162.
  7. Barnes, P., (1999). Predicting UK takeover targets: some methodological issues and an empirical study. Review of Quantitative Finance and Accounting,. 12(3): p. 283-302.
  8. Brav, A., et al., (2008). Hedge fund activism, corporate governance, and firm performance. The Journal of Finance,. 63(4): p. 1729-1775.
  9. Barclay, M.J. and C.G. Holderness, (1989). Private benefits from control of public corporations. Journal of financial Economics,. 25(2): p. 371-395.
10.Basu, N., I. Paeglis, and M. Toffanin,(2017) Reading between the blocks. Journal of Corporate Finance,. 45: p. 294-317.

11.Boubakri, N., J.-C. Cosset, and O. Guedhami, Liberalization, (2005). corporate governance and the performance of privatized firms in developing countries. Journal of Corporate Finance,. 11(5): p. 767-790.

12.Bassi, P. and V. Gupta, (2015). A Study on Impact of Announcement of Merger and Acquisition on the Valuation of the Companies (With Special Reference to Banks). Asia Pacific Journal of Research Vol: I Issue XXI,

13.Borisova, G., Fotak, V., Holland, K., & Megginson, W. L, (2012). Government ownership and the cost of debt: Evidence from government investments in publicly traded firms. Working paper, University of Oklahoma.

14.Beuselinck, C., et al., (2017). The value of government ownership during the global financial crisis. Journal of corporate Finance,. 42: p. 481-493.

15.Chung, J., J.H. Hwang, and J.S. Kim, (2014). Block Premium and Shareholder Litigation. Asia Pacific Journal of Financial Studies,. 43(3): p. 407-431.

16.Carvalhal da Silva, A., Subrahmanyam, A., (2007). Dual-class premium, corporate governance, and the mandatory bid rule: evidence from the Brazilian stock market.J. Corp. Financ. 13, 1–24.

17.Dittmann, I., E. Maug, and C. Schneider, (2009). Bankers on the boards of German firms: What they do, what they are worth, and why they are (still) there. Review of Finance,. 14(1): p. 35-71.

18.Dong, L., K. Uchida, and X. Hou, (2014). Block trade targets in China. Journal of Corporate Finance,. 25: p. 188-201.

19.De, S. and J. Jindra, (2012). Why newly listed firms become acquisition targets. Journal of Banking & Finance,. 36(9): p. 2616-2631.

20.Danbolt, J., A. Siganos, and A. Tunyi, (2016). Abnormal returns from takeover prediction modelling: challenges and suggested investment strategies. Journal of Business Finance & Accounting,. 43(1-2): p. 66-97

21.Dittmann, I., E. Maug, and C. Schneider, (2009). Bankers on the boards of German firms: What they do, what they are worth, and why they are (still) there. Review of Finance,. 14(1): p. 35-71.

22.Doumpos, M., K. Kosmidou, and F. Pasiouras, (2004). Prediction of acquisition targets in the UK: A multicriteria approach. Operational Research, 2004. 4(2): p. 191-211.

23.Dai, Lili, Dharwadkar, Ravi, Shi, Linna, & Zhang, Bohui, (2017). The governance transfer of blockholders: Evidence from block acquisitions and earnings management around the world. Journal of Corporate Finance, 45, 586-607.

24.Da Silva, A.C. and A, (2007). Subrahmanyam, Dual-class premium, corporate governance, and the mandatory bid rule: evidence from the Brazilian stock market. Journal of Corporate Finance,. 13(1): p. 1-24.

25.Dyck, A. and L, (2004). Zingales, Private benefits of control: An international comparison. The Journal of Finance,. 59(2): p. 537-600.

26.Drees, F., M. Mietzner, and D, (2013). Schiereck, Effects of corporate equity ownership on firm value. Review of Managerial Science,. 7(3): p. 277-308.

27.Edmans, A., (2014). Blockholders and corporate governance. Annu. Rev. Financ. Econ.,. 6(1): p. 23-50.

28.Espahbodi, H., Espahbodi, P., (2003). Binary choice models and corporate takeover. J. Bank. Finance 27, 549–574.

29.Gupta, B. and P. Banerjee, (2017). Impact of merger and acquisitions on financial performance: Evidence from selected companies in India. International Journal of Commerce and Management Research.

30.Harris, M. and A. Raviv, (1988). Corporate control contests and capital structure. Journal of financial Economics,. 20: p. 55-86.

31.Hope, O.-K., H. Wu, and W. Zhao, (2017). Blockholder exit threats in the presence of private benefits of control. Review of Accounting Studies,. 22(2): p. 873-902.

32.Haynes, M., S. Thompson, and M, (2000). Wright, The determinants of corporate divestment in the UK. International Journal of Industrial Organization,. 18(8): p. 1201-1222

33.Hassan, E. and E. Pouran, (2003). Binary choice models and corporate takeover. Journal of Banking & Finance,

34.Hillman, A.J., M.C. Withers, and B.J, (2009). Collins, Resource dependence theory: A review. Journal of management,. 35(6): p. 1404-1427.

35.Jensen, M.C., (1986). Agency costs of free cash flow, corporate finance, and takeovers. The American economic review,. 76(2): p. 323-329.

36.Konijn, S.J., R. Kräussl, and A. Lucas, (2011). Blockholder dispersion and firm value. Journal of Corporate Finance,. 17(5): p. 1330-1339.

37.Kurek, B., (2016). The information content of equity block trades on the Warsaw Stock Exchange: Conventional and bootstrap approaches. Journal of Forecasting,. 35(1): p. 43-53.

38.Loderer, C. and U. Waelchli, (2015). Corporate aging and takeover risk. Review of Finance,. 19(6): p. 2277-2315.

39.Li, S., Zeng, Z., (2003). Characteristics of takeover targets in China equity market. Econ. Res. J. 11, 54–64 (in Chinese).

40.Morck, R., D. Wolfenzon, and B. Yeung, (2005). Corporate governance, economic entrenchment, and growth. Journal of economic literature,. 43(3): p. 655-720.

41.Mietzner, M. and D. Schweizer, (2014). Hedge funds versus private equity funds as shareholder activists in Germany differences in value creation. Journal of Economics and Finance,. 38(2): p. 181-208.

42.Nanto, D.K., (2009). Global Financial Crisis: Foreign and Trade Policy Effects. 2009: DIANE Publishing.

43.Powell, R.G., (1997). Modelling takeover likelihood. Journal of Business Finance & Accounting,. 24(7‐8): p. 1009-1030.         

44.Palepu, K.G., (1986). Predicting takeover targets: A methodological and empirical analysis. Journal of accounting and economics,. 8(1): p. 3-35.

45.Pagano, M. and A. Röell, (1998). The choice of stock ownership structure: Agency costs, monitoring, and the decision to go public. The Quarterly Journal of Economics,. 113(1): p. 187-225.

46.Pakes, A. and R. Ericson, (1989). Empirical implications of alternative models of firm dynamics, National Bureau of Economic Research Cambridge, Mass., USA

47.Renders, A. and A. Gaeremynck, (2012). Corporate governance, principal‐principal agency conflicts, and firm value in European listed companies. Corporate Governance: an international review,. 20(2): p. 125-143.

48.Shanmin, L. and Z. Zhaozao, (2003). Characteristics of Takeover Targets in China Equity Market [J]. Economic Research Journal,. 11: p. 54-64.

49.Stulz, R. and H. Johnson, (1985). An analysis of secured debt. Journal of financial Economics,. 14(4): p. 501-521

50.Sudarsanam, S., Large shareholders, (1996). takeovers and target valuation. Journal of Business Finance & Accounting,. 23(2): p. 295-314.

51.Song, X., M. Tippett, and A. Vivian, (2017). Assessing abnormal returns: the case of Chinese M&A acquiring firms. Research in International Business and Finance,. 42: p. 191-207.

52.Trojanowski, G., (2008). Equity block transfers in transition economies: Evidence from Poland. Economic Systems,. 32(3): p. 217-238.

53.Tsagkanos, A., et al., (2012) Prediction of Greek takeover targets via bootstrapping on mixed logit model. Review of Accounting and Finance., 11(3): p. 315-334

54.Truong, T. and R. Heaney,(2007) Largest shareholder and dividend policy around the world. The Quarterly Review of Economics and Finance., 47(5): p. 667-687.     

55.Thompson ,S., Haynes ,M &Wright,M., (2000). The determinants of corporate divestment in the UK.International Journal of Industrial Organization , 18 , pp. 1201–1222.

56.Tang, Z., Jiang, W., (2002). A study on the expropriation degree of large shareholders of China's listed companies. Econ. Res. J. 4, 44–50 (in Chinese).

57.Yasser, Q.R. and A.A. Mamun, (2015). Effects of ownership concentration on firm performance: Pakistani evidence. Journal of Asia Business Studies,. 9(2): p. 162-176.

58.Zongming, T. and J. Wei, (2002). A Study on the Expropriation Degree of Large Shareholders of China's Listed Companies [J]. Economic Research Journal,. 4: p. 44-50