Content

4 Ergebnisse in:

Binjam Berhane

Der Erfolg von Mergers & Acquisitions mit afrikanischen Zielunternehmen, page 79 - 158

1. Edition 2020, ISBN print: 978-3-8288-4492-6, ISBN online: 978-3-8288-7527-2, https://doi.org/10.5771/9783828875272-79

Tectum, Baden-Baden
Bibliographic information
Ergebnisse In Kapitel 4 werden die Ergebnisse aller in dieser Untersuchung durchgeführten und in Kapitel 3 beschriebenen empirischen Analysen vorgestellt und diskutiert. Abschnitt 4.1 und Abschnitt 4.4 haben die Ergebnisse der Erfolgsmessung in der kurzen bzw. langen Frist zum Gegenstand. Potenzielle Einflussfaktoren bzw. Determinanten der in diesen Abschnitten gewonnenen Ergebnisse werden in Abschnitt 4.2 dargestellt. Die Abschnitte 4.3 und 4.5 befassen sich mit den Ergebnissen der empirischen Untersuchung dazu, wie diese Determinanten mit dem Erfolg in der kurzen bzw. langen Frist zusammenhängen könnten. Abschnitt 4.6 präsentiert die empirische Analyse potenzieller Einflussfaktoren auf das Zustandekommen von M&A. Ergebnisse Ereignisstudien Die Ergebnisse der Ereignisstudien werden in Abschnitt 4.1 Stichprobe für Stichprobe vorgestellt (1. Stichprobe Südafrika; 2. Stichprobe Nordafrika; 3. Stichprobe subsaharisches Afrika; diese Reihenfolge wird auch für die restlichen Untersuchungen verwendet) und jeweils ergänzt um deskriptive Statistiken im Vorfeld und eine Diskussion der Ergebnisse im Anschluss. Auch die hier präsentierten deskriptiven Statistiken sind eine Grundlage für die Interpretation der in dieser Untersuchung gefundenen Ergebnisse. 4 4.1 79 Ergebnisse Ereignisstudie Südafrika Deskriptive Statistik Südafrika 4. Ergebnisse  68  4.1.1 Ergebnisse Ereignisstudie Südafrika 4.1.1.1 Deskriptive Statistik Südafrika Abbildung 5: Entwicklung M&A-Aktivität über Zeit-Südafrika Die M&A-Aktivität pro Jahr für den Betrachtungszeitraum 1986 bis 2016 für die Stichprobe Südafrika zeigt Abbildung 5. Höhepunkte der M&A-Aktivität bilden die Jahre 2008, 2015 und 2014 mit 68, 60 bzw. 59 Transaktionen. Im Vergleich mit der Gesamtstichprobe fällt auf, dass das Maximum der M&A-Aktivität nicht im Jahr 1998 liegt. Im Jahr 2008 sind in der Gesamtstichprobe 243 und für das Jahr 1998 462 Transaktionen mit Zielland Südafrika verzeichnet. N Durchschnittliches Transaktionsvolumen (Mio. USD) Median Transaktionsvolumen (Mio. USD) 551 90,171 10,418 Tabelle 16: Mittelwerte Transaktionsvolumen-Südafrika (1986-2016) Tabelle 16 gibt Auskunft zu den Transaktionsvolumina in der Stichprobe Südafrika. Für 551 Transaktionen liegen Daten zum Transaktionsvolumen vor. Das durchschnittliche Transaktionsvolumen dieser Transaktionen beträgt 90 Mio. USD und der Median 10 Mio. USD. Dieses durchschnittliche Transaktionsvolumen ist das niedrigste aller in dieser Untersuchung betrachteten Stichproben. 0 10 20 30 40 50 60 70 80 1986 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 Anzahl M&A pro Jahr mit Zielland Südafrika Entwicklung M&A-Aktivität über Zeit-Südafrika Die M&A-Aktivität pro Jahr für den Betrachtungszeitraum 1986 bis 2016 für die Stichprobe Südafrika zeigt Abbildung 5. Höhepunkte der M&A-Aktivität bilden die Jahre 2008, 2015 und 2014 mit 68, 60 bzw. 59 Transaktionen. Im Vergleich mit der Gesamtstichprobe fällt auf, dass das Maximum der M&A-Aktivität nicht im Jahr 1998 liegt. Im Jahr 2008 sind in der Gesamtstichprobe 243 und für das Jahr 1998 462 Transaktionen mit Zielland Südafrika verzeichnet. N Durchschnittliches Transaktionsvolumen(Mio. USD) Median Transaktionsvolumen (Mio. USD) 551 90,171 10,418 Mittelwerte Transaktionsvolumen-Südafrika (1986–2016) Tabelle 16 gibt Auskunft zu den Transaktionsvolumina in der Stichprobe Südafrika. Für 551 Transaktionen liegen Daten zum Transaktionsvolumen vor. Das durchschnittliche Transaktionsvolumen dieser Transaktionen beträgt 90 Mio. USD und der Median 10 Mio. USD. 4.1.1 4.1.1.1 Abbildung 5: Tabelle 16: 4 Ergebnisse 80 Dieses durchschnittliche Transaktionsvolumen ist das niedrigste aller in dieser Untersuchung betrachteten Stichproben. Rang Käuferland N % 1 Südafrika 617 65,43 2 Vereinigtes Königreich 94 9,97 3 USA 56 5,94 4 Frankreich 23 2,44 5 Australien 20 2,12 6 Indien 18 1,91 7 Japan 17 1,80 8 Kanada 16 1,70 9 Schweden 16 1,70 10 Deutschland 15 1,59 Summe 892 94,59 Top Ten-Käuferländer-Südafrika (1986–2016) Die zehn häufigsten Käuferländer in der Stichprobe Südafrika führt Tabelle 17 auf. Die am stärksten vertretenen Käuferländer sind Südafrika, das Vereinigte Königreich und die USA mit 617, 94 bzw. 56 Transaktionen. Unter den zehn häufigsten Käuferländern befindet sich kein afrikanisches Land außer Südafrika, dessen Anteil mit 65,43% (und dem Vereinigten Königreich an zweiter Stelle mit 9,97%) den anderer Länder stark überwiegt. Die Mehrheit der Transaktionen ist damit nicht grenzüberschreitend. In der Gesamtstichprobe sind die zehn häufigsten Käuferländer bei M&A mit Zielland Südafrika ebenfalls nicht-afrikanisch (bis auf Südafrika) und machen einen Anteil an allen Transaktionen von 92,36% aus. Tabelle 17: 4.1 Ergebnisse Ereignisstudien 81 Käuferindustrie N % Finanzen 181 19,19 Basismaterialien 168 17,82 Industrie 153 16,22 Konsumgüter und Dienstleistungen 90 9,54 Hightech 70 7,42 Lebensmittel 69 7,32 Medien und Unterhaltung 65 6,89 Immobilien 45 4,77 Handel 33 3,50 Telekommunikation 26 2,76 Gesundheit 25 2,65 Energie 18 1,91 Summe 943 100 Zielindustrie N % Basismaterialien 177 18,77 Industrie 145 15,38 Finanzen 133 14,10 Konsumgüter und Dienstleistungen 101 10,71 Hightech 95 10,07 Lebensmittel 82 8,70 Medien und Unterhaltung 54 5,73 Immobilien 41 4,35 Handel 41 4,35 Gesundheit 40 4,24 Energie 19 2,01 Telekommunikation 15 1,59 Summe 943 100 Käuferindustrien-Südafrika (1986–2016) Tabelle 18: Zielindustrien-Südafrika (1986–2016) Tabelle 19: Die Käuferindustrien werden dominiert von Unternehmen aus den Bereichen Finanzen, Basismaterialien und Industrie, auf die 181, 168 bzw. 153 der Transaktionen entfallen, was Tabelle 18 zeigt. Bei den Zielindustrien, die in Tabelle 19 dargestellt sind, kommt es zu einer ähnlichen Verteilung wie bei den Käuferindustrien. Auch die Zielindustrien sind am häufigsten Basismaterialien, Industrie und Finanzen, nur in anderer Rangfolge mit jeweils 177, 145 bzw. 133 Transaktionen. Ansonsten ist die Rangfolge bis auf die letzten drei Ränge identisch. Außerdem kommt es beim Anteil der Industrien an allen Transaktionen zu maximal 6 Prozentpunkten Abweichung zwischen Käufer- und Zielindustrieverteilung. Der Anteil an Transaktionen, für die Ziel- und Käuferindustrie übereinstimmen, liegt bei 44,43%. 4 Ergebnisse 82 Rang Transaktionswert in Mio. USD (Jahr) Käufername Käuferland Käuferindustrie Zielunternehmen Zielindustrie 1 5616,671 (2007) ICBC China Finanzen Standard Bank Group Ltd Finanzen 2 4952,613 (2004) Barclays PLC Vereinigtes Königreich Finanzen Absa Group Ltd Finanzen 3 3119,13 (2010) NTT Japan Telekommunikation Dimension Data Holdings PLC Hightech 4 2153,896 (2010) Wal-Mart Stores Inc USA Handel Massmart Holdings Ltd Handel 5 1910 (2012) Rio Tinto PLC Vereinigtes Königreich Basismaterialien Richards Bay Minerals Basismaterialien 6 1313,744 (2010) Hyprop Investments Ltd Südafrika Immobilien Attfund Retail Ltd Immobilien 7 1248,095 (2007) African Bank Investments Ltd Südafrika Finanzen Ellerine Holdings Ltd Handel 8 1132,6 (1998) Genbel South Africa Ltd Südafrika Finanzen SANLAM Asset Management (Pty) Ltd() Finanzen 9 930,831 (1998) New Africa Investment Ltd Südafrika Medien und Unterhaltung Theta Group Ltd Finanzen 10 726,937 (2014) Growthpoint Properties Ltd Südafrika Immobilien Acucap Properties Ltd Immobilien Top Ten-M&A-Südafrika (1986–2016) In Tabelle 20 sind die zehn nach Transaktionsvolumen größten M&A der Stichprobe Südafrika aufgeführt. Das durchschnittliche Transaktionsvolumen liegt bei 2,3 Mrd. USD und der Median bei 1,6 Mrd. USD. 50% der Käuferunternehmen sind südafrikanischer Herkunft. Die fünf größten Transaktionen wurden jedoch von nicht afrikanischen Käuferunternehmen getätigt. Käufer- und zielseitig dominieren mit jeweils 40% Unternehmen der Finanzindustrie die großvolumigen Transaktionen. Bei 70% der Transaktionen stimmen Käufer- und Zielindustrie überein. Tabelle 20: 4.1 Ergebnisse Ereignisstudien 83 Nachdem eine Vorstellung von dem verwendeten Datensatz vermittelt wurde, werden im nächsten Abschnitt die Ergebnisse der auf diesem Datensatz aufbauenden Ereignisstudien präsentiert. Ereignisstudie Südafrika Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichentest p-Wert N [-20;20] -0,46 0,1257 0,9000 -0,1497 0,8810 2,2962** 0,0217 943 {0} 0,31 2,9849*** 0,0028 2,8179*** 0,0048 2,0349** 0,0419 943 [-1;0] 0,38 2,7595*** 0,0058 2,0156** 0,0438 2,8188*** 0,0048 943 [0;1] 0,44 3,0001*** 0,0027 3,0295*** 0,0024 3,6681*** 0,0002 943 [-1;1] 0,51 2,8803*** 0,0040 2,4924** 0,0127 3,4068*** 0,0007 943 [-10;10] 0,34 1,2383 0,2156 1,0287 0,3036 2,1003** 0,0357 943 [-5;0] 1,01 3,6907*** 0,0002 3,2285*** 0,0012 3,5374*** 0,0004 943 [0;5] 0,21 1,2888 0,1975 1,0293 0,3034 2,4922** 0,0127 943 Ergebnisse-Marktmodell-nationale Indizes-Südafrika Tabelle 21 zeigt die Ergebnisse der Ereignisstudie für die Stichprobe von Transaktionen mit Zielland Südafrika. Zur Berechnung der erwarteten Rendite wurde das Marktmodell mit nationalen Indizes in lokaler Währung verwendet. Da die CAAR aller Intervalle nach nahezu allen Testverfahren zumindest zum 5%-Niveau als signifikant ausgewiesen werden, wird die Betrachtung auf die Intervalle fokussiert, in denen unabhängig von dem gewählten Testverfahren Hochsignifikanz der CAAR vorliegt. Intervalle dieser Art sind das Intervall [0;1] und das Intervall [-5;0]. Die CAAR liegen in diesen Intervallen bei 0,44% bzw. 1,01%. Die nach dem Vorzeichen-Test signifikant negativ ausgewiesenen CAAR des Intervalls [-20;20] deuten auf eine Fehlspezifikation des Vorzeichen-Tests in diesem langen Zeitfenster hin, da die anderen Testverfahren deutlich von einem Ausweis von Signifikanz entfernt sind. 4.1.1.2 Tabelle 21: 4 Ergebnisse 84 Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] -0,85 -0,447 0,6549 -0,3001 0,7641 2,9458*** 0,0032 943 {0} 0,31 3,1555*** 0,0016 3,2145*** 0,0013 3,4046*** 0,0007 943 [-1;0] 0,36 2,7843*** 0,0054 2,1587** 0,0309 3,4046*** 0,0007 943 [0;1] 0,38 2,6321*** 0,0085 2,4992** 0,0124 3,7323*** 0,0002 943 [-1;1] 0,43 2,4476** 0,0144 1,9473* 0,0515 3,2735*** 0,0011 943 [-10;10] 0,16 1,0529 0,2924 0,8538 0,3932 2,4215** 0,0155 943 [-5;0] 0,95 3,6428*** 0,0003 2,9736*** 0,0029 4,3876*** 0,0000 943 [0;5] 0,04 0,7143 0,4751 0,0948 0,9245 2,2905** 0,0220 943 Ergebnisse-mittelwertbereinigtes Modell-Südafrika Tabelle 22 beinhaltet die Ergebnisse eines Robustheitstests, der anstelle des Marktmodells zur Berechnung der erwarteten Rendite, das mittelwertbereinigte Modell verwendet. Auch in diesem Fall werden die CAAR aller Intervalle durch nahezu alle Testverfahren als signifikant ausgewiesen. Unabhängig von dem verwendeten Testverfahren wird die durchschnittliche abnormale Rendite (AAR) des Ereignistages und des Intervalls [-5;0] als hochsignifikant positiv ausgewiesen. Auffällig ist außerdem, dass die AAR des Ereignistages in Prozent angegeben, bis auf mindestens zwei Nachkommastellen, nach Markt- und mittelwertbereinigtem Modell berechnet miteinander übereinstimmen und bei 0,31 % liegen. Die CAAR für das Intervall [-5;0] liegen bei 0,95%. Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] -0,83 -0,3317 0,7401 -0,7280 0,4666 2,0240** 0,0430 943 {0} 0,31 3,1403*** 0,0017 3,4205*** 0,0006 3,3975*** 0,0007 943 [-1;0] 0,38 2,9302*** 0,0034 2,6054*** 0,0092 2,8743*** 0,0040 943 [0;1] 0,37 2,6595*** 0,0078 2,6768*** 0,0074 2,6127*** 0,0090 943 [-1;1] 0,44 2,6218*** 0,0087 2,3381** 0,0194 3,6592*** 0,0003 943 [-10;10] 0,22 1,1825 0,2370 0,5929 0,5532 2,2202** 0,0264 943 [-5;0] 0,99 3,8361*** 0,0001 3,0018*** 0,0027 4,0516*** 0,0001 943 [0;5] 0,05 0,6970 0,4858 0,2147 0,8300 1,9586* 0,0502 943 Ergebnisse-Marktmodell-MSCI World Index-Südafrika Die Ergebnisse eines weiteren Robustheitstests sind in Tabelle 23 veranschaulicht. Es wird für diesen erneut das Marktmodell verwendet, Tabelle 22: Tabelle 23: 4.1 Ergebnisse Ereignisstudien 85 doch als Marktrendite für das Marktmodell lediglich der MSCI World Index benutzt. Auch bei diesem Vorgehen werden die CAAR aller Intervalle nach dem überwiegenden Teil der Testverfahren als signifikant ausgewiesen. Unabhängig von dem gewählten Testverfahren sind die AAR des Ereignistages bzw. CAAR der Intervalle [-1;0], [0;1] und [-5;0] hochsignifikant positiv. Die AAR des Ereignistages stimmen bei allen Vorgehensweisen zur Berechnung der erwarteten Rendite bis auf mindestens zwei Nachkommastellen (in Prozent ausgedrückt) überein. Sie liegen auch bei Verwendung des Marktmodells mit MSCI World Index bei 0,31%. Die CAAR des Intervalls [-1;0] liegen bei 0,38 % und stimmen mit den nach Marktmodell mit nationalen Indizes berechneten CAAR bis auf mindestens zwei Nachkommastellen überein. Für die Intervalle [0;1] und [-5;0] liegen die CAAR bei 0,37 % bzw. 0,99%. Diskussion der Ergebnisse-Ereignisstudie Südafrika Die Entwicklung der CAR in der Stichprobe Südafrika stellt ein ungewöhnliches Ergebnis dar, weil Literaturübersichtsstudien darauf hindeuten, dass M&A für Käuferunternehmen mit einer negativen oder neutralen Entwicklung des Unternehmenswerts einhergehen (s. a. Unterabschnitt 2.1.4). Bemerkenswert ist auch, dass dieses positive Ergebnis unabhängig von den verwendeten Berechnungsmethoden und Testverfahren gefunden werden kann. Die besondere Eigenschaft der in dieser Stichprobe betrachteten M&A, die Unternehmen in einer sich entwickelnden Volkswirtschaft zum Ziel zu haben, scheint also, wie in Unterabschnitt 2.1.4 vermutet, die Dichotomie bezüglich des Erfolgs der Käuferunternehmen bei M&A „aufzubrechen“. Südafrika als Zielmarkt scheint für Käuferunternehmen Wertschaffungspotenzial zu bieten. Dieses Ergebnis steht in Einklang mit empirischen Untersuchungen von z.B. Doukas & Travlos (1988), Alexandridis et al. (2010), Barbopoulos et al. (2014), Chari et al. (2010) oder Oelger & Schiereck (2011), die darauf hindeuten, dass in weniger entwickelten bzw. konsolidierten Märkten Wertschaffungspotenzial durch M&A auch für die Käuferunternehmen vorhanden ist. Für an M&A in Südafrika interessierte Unternehmen stellt sich allerdings die Frage, welche Faktoren einen positiven Ausgang von M&A begünstigen könnten. 4.1.1.3 4 Ergebnisse 86 Daher werden in Abschnitt 4.3 mittels einer Regressionsanalyse Determinanten untersucht, die die positive Entwicklung der CAAR beeinflusst haben könnten. Verwendet werden hierfür die CAR des Intervalls [-5;0], da die CAAR dieses Intervalls unabhängig von der Berechnungsmethode für die erwartete Rendite und dem verwendeten Testverfahren hochsignifikant waren. Abschnitt 4.2 erläutert die in dieser Untersuchung betrachteten potenziellen Erfolgsdeterminanten. Ergebnisse Ereignisstudie Nordafrika Deskriptive Statistik Nordafrika 4. Ergebnisse  75  4.1.2 Ergebnisse Ereignisstudie Nordafrika 4.1.2.1 Deskriptive Statistik Nordafrika Abbildung 6: Entwicklung M&A-Aktivität über Zeit-Nordafrika In Abbildung 6 ist der Verlauf der M&A-Aktivität pro Jahr für die Stichprobe Nordafrika über den gesamten Betrachtungszeitraum dargestellt. Die ersten Transaktionen, für die alle in Abschnitt 3.1 genannten Bedingungen erfüllt sind, finden im Jahr 1990 statt. Die höchste M&A- Aktivität ist für die Jahre 2008, 2015 und 2010 mit 31, 27 bzw. 22 Transaktionen verzeichnet. Der Höhepunkt der M&A-Aktivität liegt also wie in der Stichprobe Südafrika im Jahr 2008, welches sich in der Gesamtstichprobe nicht unter den drei Jahren mit der höchsten M&A-Aktivität befindet. N Durchschnittliches Transaktionsvolumen (Mio. USD) Median Transaktionsvolumen (Mio. USD) 134 262,945 23,788 Tabelle 24: Mittelwerte Transaktionsvolumen-Nordafrika (1990-2016) Tabelle 24 bietet Informationen zu den Transaktionsvolumina in der Stichprobe Nordafrika. Die Transaktionsvolumina waren für 134 Transaktionen der Stichprobe Nordafrika verzeichnet. Das durchschnittliche Transaktionsvolumen liegt bei 263 Mio. USD und der Median bei 24 Mio. USD. Der Median und der Durchschnitt der Transaktionsvolumina der Stichprobe Nordafrika sind die höchsten aller in dieser Untersuchung betrachteten Stichproben (sofern Daten zu den Transaktionsvolumina vorlagen). 0 5 10 15 20 25 30 35 19 90 19 92 19 94 19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 20 05 20 06 20 07 20 08 20 09 20 10 20 11 20 12 20 13 20 14 20 15 20 16 Anzahl M&A pro Jahr Entwicklung M&A-Aktivität über Zeit-Nordafrika In Abbildung 6 ist der Verlauf der M&A-Aktivität pro Jahr für die Stichprobe Nordafrika über den gesamten Betrachtungszeitraum dargestellt. Die ersten Tra saktionen, für die alle in Absch itt 3.1 genan ten Bedingungen erfüllt sind, finden im Jahr 1990 statt. Die höchste M&A-Aktivität ist für die Jahre 2008, 2015 und 2010 mit 31, 27 bzw. 22 Transaktionen verzeichnet. Der Höhepunkt der M&A-Aktivität liegt also wie in der Stichprobe Südafrika im Jahr 2008, welches sich in . .2 4.1.2.1 Abbildung 6: 4.1 Ergebnisse Ereignisstudien 87 der Gesamtstichprobe nicht unter den drei Jahren mit der höchsten M&A-Aktivität befindet. N Durchschnittliches Transaktionsvolumen(Mio. USD) Median Transaktionsvolumen (Mio. USD) 134 262,945 23,788 Mittelwerte Transaktionsvolumen-Nordafrika (1990–2016) Tabelle 24 bietet Informationen zu den Transaktionsvolumina in der Stichprobe Nordafrika. Die Transaktionsvolumina waren für 134 Transaktionen der Stichprobe Nordafrika verzeichnet. Das durchschnittliche Transaktionsvolumen liegt bei 263 Mio. USD und der Median bei 24 Mio. USD. Der Median und der Durchschnitt der Transaktionsvolumina der Stichprobe Nordafrika sind die höchsten aller in dieser Untersuchung betrachteten Stichproben (sofern Daten zu den Transaktionsvolumina vorlagen). Rang Käuferland N % 1 Ägypten 56 21,54 2 Frankreich 39 15,00 3 Marokko 37 14,23 4 USA 27 10,38 5 Vereinigtes Königreich 20 7,69 6 Indien 6 2,31 7 Kuwait 6 2,31 8 Portugal 6 2,31 9 Niederlande 5 1,92 10 Saudi-Arabien 5 1,92 Summe 207 79,62 Rang Zielland N % 1 Ägypten 136 52,31 2 Marokko 80 30,77 3 Tunesien 26 10,00 4 Algerien 14 5,38 5 Libyen 4 1,54 Summe 260 100 Top Ten-Käuferländer- Nordafrika (1990– 2016) Tabelle 25: Zielländer Verteilung- Nordafrika (1990–2016) Tabelle 26: Tabelle 25 und Tabelle 26 zeigen Käufer- bzw. Zielländer innerhalb der Stichprobe Nordafrika. Die Käuferländer in der Stichprobe Nordafrika sind am häufigsten Ägypten, Frankreich und Marokko mit 56, 39 und 37 verzeichneten Transaktionen, während zielseitig die meisten Tabelle 24: 4 Ergebnisse 88 Transaktionen auf Ägypten, Marokko und Tunesien entfallen. Diese drei Länder haben 136, 80 bzw. 26 Transaktionen zum Ziel. Dies bedeutet eine starke Konzentration auf diese Zielländer. Auf Algerien und Libyen als Zielländer entfallen weniger als 10% der Transaktionen. In der Stichprobe Nordafrika stimmen für 36,15% der Transaktionen Käufer- und Zielland überein. Unter den zehn häufigsten Käuferländern befinden sich in der Stichprobe Nordafrika keine Länder des subsaharischen Afrikas (inkl. Südafrika). Käuferindustrie N % Finanzen 70 26,92 Energie 42 16,15 Lebensmittel 36 13,85 Basismaterialien 35 13,46 Industrie 14 5,38 Hightech 12 4,62 Medien und Unterhaltung 9 3,46 Immobilien 9 3,46 Telekommunikation 9 3,46 Konsumgüter und Dienstleistungen 8 3,08 Öffentlicher Sektor 7 2,69 Gesundheit 6 2,31 Handel 3 1,15 Summe 260 100 Zielindustrie N % Finanzen 63 24,23 Energie 38 14,62 Basismaterialien 37 14,23 Lebensmittel 35 13,46 Industrie 24 9,23 Konsumgüter und Dienstleistungen 13 5 Immobilien 12 4,62 Hightech 11 4,23 Medien und Unterhaltung 8 3,08 Gesundheit 7 2,69 Handel 7 2,69 Telekommunikation 5 1,92 Summe 260 100 Käuferindustrien- Nordafrika (1990– 2016) Tabelle 27: Zielindustrien- Nordafrika (1990–2016) Tabelle 28: Tabelle 27 und Tabelle 28 zeigen die käufer- bzw. zielseitige industrielle Verteilung der M&A in der Stichprobe Nordafrika. Die Käuferunternehmen stammen mit 70, 42 und 36 Transaktionen aus den Industrien Finanzen, Energie und Lebensmittel. Dicht gefolgt sind diese von der Käuferindustrie Basismaterialien mit 35 Transaktionen. Zielseitig dominieren dieselben Industrien nur in leicht abgeänderter Rangfolge. So sind auch zielseitig die Finanz- und die Energieindustrie am stärksten vertreten mit 63 bzw. 38 Transaktionen. Die Industrien Basismaterialien und Lebensmittel folgen auf dem dritten und vierten Rang, also mit im 4.1 Ergebnisse Ereignisstudien 89 Vergleich zur käuferseitigen Verteilung vertauschten Plätzen, und sind mit 37 bzw. 35 Transaktionen verzeichnet. Eine Übereinstimmung zwischen Ziel- und Käuferindustrie ergibt sich in 70,77% der Fälle. Rang Transaktionswert (US$ Mio.) Käufername Käuferland Käuferindustrie Zielname Zielland (Jahr) Zielindustrie 1 15017,664 Lafarge SA Frankreich Basismaterialien OCI Cement Group Ägypten (2007) Basismaterialien 2 5658,853 Emirates Telecommunication Grp Co Vereinigte Arabische Emirate Telekommunikation Itissalat Al Maghrib SA Marokko (2013) Telekommunikation 3 1550,799 Altadis SA Spanien Lebensmittel Regie des Tabacs Marokko (2003) Lebensmittel 4 1405 Edison SpA Italien Energie Egyptian General Petroleum Corp-Abu Qir Concession Ägypten (2008) Energie 5 962,042 National Bank of Kuwait SAK Kuwait Finanzen Al Watany Bank of Egypt SAE Ägypten (2007) Finanzen 6 685,871 Danone SA Frankreich Lebensmittel Centrale Laitiere SA Marokko (2012) Lebensmittel 7 650 Apache Corp USA Energie BP PLC-Western Desert,Egypt Ägypten (2010) Energie 8 600,955 Banque Centrale Populaire SA Marokko Finanzen OCP SA Marokko (2009) Basismaterialien 9 527,895 SNI Marokko Finanzen Attijariwafa Bank SA Marokko (2009) Finanzen 10 512,502 Titan Cement Co SA Griechenland Basismaterialien Lafarge Titan Egypt Ägypten (2008) Basismaterialien Top Ten-M&A-Nordafrika (1990–2016) Tabelle 29 gibt Auskunft zu den zehn nach Transaktionsvolumen größten M&A in der Stichprobe Nordafrika. Das durchschnittliche Trans- Tabelle 29: 4 Ergebnisse 90 aktionsvolumen dieser zehn M&A liegt bei 2,8 Mrd. USD und ist damit das höchste aller betrachteten Top Ten-Transaktionen in dieser Untersuchung. Der Median dieser zehn M&A liegt bei 0,8 Mrd. USD. Als einziges afrikanisches Käuferland taucht Marokko an achter und neunter Stelle auf. Zielseitig entfallen 50% der Transaktionen auf Marokko bzw. Ägypten. In 2 der 10 Transaktionen stimmen Ziel- und Käuferland überein. Käufer- und zielseitig liegt keine starke Konzentration auf eine Industrie vor. Aus der Finanzindustrie stammen 30 % der Käuferunternehmen. Ansonsten entfallen käufer- und zielseitig auf keine Industrie mehr als 20% der Transaktionen. Mit diesem Hintergrundwissen zur Stichprobe können die Bedeutung der Ergebnisse und der weitere Aufbau der Arbeit besser nachvollzogen werden. Ereignisstudie Nordafrika Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] 2,83 1,2631 0,2066 -1,0268 0,3045 1,1412 0,2538 260 {0} 0,45 2,4087** 0,0160 2,0496** 0,0404 1,6373 0,1016 260 [-1;0] 0,60 2,7615*** 0,0058 2,7115*** 0,0067 2,3816** 0,0172 260 [0;1] 0,53 2,229** 0,0258 2,2035** 0,0276 2,5056** 0,0122 260 [-1;1] 0,68 2,6523*** 0,0080 2,8297*** 0,0047 3,0018*** 0,0027 260 [-10;10] 0,69 1,4466 0,1480 -0,1033 0,9177 0,1488 0,8817 260 [-5;0] 0,26 0,8656 0,3867 0,7116 0,4767 1,6373 0,1016 260 [0;5] 0,92 2,7512*** 0,0059 1,4021 0,1609 0,2729 0,7849 260 Ergebnisse-Marktmodell-nationale Indizes-Nordafrika Tabelle 30 dokumentiert die Ergebnisse der Ereignisstudie für die Stichprobe Nordafrika bei Verwendung des Marktmodells mit nationalen Indizes in lokaler Währung. Campbell et al. (2010) berücksichtigend, werden die CAAR der Intervalle betrachtet, für die alle Testverfahren übereinstimmend Signifikanz anzeigen. Die CAAR der Intervalle [-1;0], [0;1] und [-1;1] sind nach allen Testverfahren signifikant und liegen bei 0,60%, 0,53% bzw. 0,68%. Nach dem Boehmer-Test und dem Rang-Test liegt Hochsignifikanz der CAAR in den Intervallen [-1;0] und [-1;1] vor. Das Intervall [0;1] 4.1.2.2 Tabelle 30: 4.1 Ergebnisse Ereignisstudien 91 wird von diesen Tests als signifikant zum 5%-Niveau angezeigt. Der Vorzeichen-Test weist die CAAR der Intervalle [-1;1] und [0;1] zum 1%- bzw. zum 5%-Niveau als signifikant aus. Eine Abweichung von den Ergebnissen des Boehmer-Tests und des Rang-Tests in den betrachteten drei Intervallen liefert der Vorzeichen-Test lediglich für das Intervall [-1;0], das zum 5%-Niveau als signifikant ausgewiesen wird. Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] 2,56 0,7966 0,4257 -0,963 0,3355 2,0101** 0,0444 260 {0} 0,40 2,2172** 0,0266 1,3731 0,1697 -0,0985 0,9215 260 [-1;0] 0,60 2,5509** 0,0107 1,9361* 0,0529 1,7621* 0,0781 260 [0;1] 0,43 1,9202* 0,0548 0,8839 0,3767 1,2659 0,2055 260 [-1;1] 0,63 2,4102** 0,0159 1,5098 0,1311 1,7621* 0,0781 260 [-10;10] 0,89 1,3181 0,1875 0,3943 0,6934 0,6457 0,5185 260 [-5;0] 0,09 0,2275 0,8200 0,0389 0,9689 0,8938 0,3714 260 [0;5] 0,91 2,2104** 0,0271 1,4621 0,1437 0,5217 0,6019 260 Ergebnisse-mittelwertbereinigtes Modell-Nordafrika Tabelle 31 zeigt die Ergebnisse der Ereignisstudie für die Stichprobe Nordafrika bei Verwendung des mittelwertbereinigten Modells für die Stichprobe Nordafrika. Nach diesem Robustheitstest werden lediglich die CAAR des Intervalls [-1;0] durch alle Testverfahren als signifikant ausgewiesen. Die CAAR dieses Intervalls liegen bei 0,60% und stimmen mit den nach Marktmodell mit lokalen Indizes berechneten CAAR dieses Intervalls bis auf zwei Nachkommastellen überein. Der Boehmer-Test weist die CAAR dieses Intervalls zum 5%-Niveau als signifikant aus, während sich nach den beiden nichtparametrischen Tests Signifikanz dieser CAAR zum 10%-Niveau ergibt. Tabelle 31: 4 Ergebnisse 92 Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] 2,74 1,1195 0,2629 -0,8936 0,3715 1,5526 0,1205 260 {0} 0,44 2,5612** 0,0104 2,1422** 0,0322 1,4286 0,1531 260 [-1;0] 0,65 3,107*** 0,0019 2,6911*** 0,0071 2,5450** 0,0109 260 [0;1] 0,44 2,0998** 0,0357 1,4490 0,1473 1,8007* 0,0718 260 [-1;1] 0,66 2,7476*** 0,0060 2,1436** 0,0321 2,4209** 0,0155 260 [-10;10] 0,85 1,4667 0,1425 0,0859 0,9315 1,4286 0,1531 260 [-5;0] 0,19 0,6025 0,5469 0,1270 0,8989 1,3045 0,1921 260 [0;5] 0,98 2,6498*** 0,0081 1,3768 0,1686 0,6843 0,4938 260 Ergebnisse-Marktmodell-MSCI World Index-Nordafrika Die Ergebnisse des dritten Robustheitstests mittels MSCI World Index als Marktrendite für das Marktmodell, die in Tabelle 32 dargestellt sind, weisen ebenfalls unabhängig von dem verwendeten Testverfahren die CAAR des Intervalls [-1;0] als signifikant aus. Außerdem ist die CAAR des Intervalls [-1;1] nach allen Testverfahren signifikant. Im Intervall [-1;0] liegt die CAAR bei 0,65% und im Intervall [-1;1] bei 0,66%. Die CAAR des Intervalls [-1;0] werden nach allen Testverfahren zu denselben Signifikanzniveaus als signifikant ausgewiesen wie bei Verwendung des Marktmodells mit nationalen Indizes. Die nichtparametrischen Tests zeigen die CAAR des Intervalls [-1;1] als zum 5%-Niveau signifikant an, während diese nach dem Boehmer-Test hochsignifikant sind. Diskussion der Ergebnisse-Ereignisstudie Nordafrika Auch das Ergebnis der Stichprobe Nordafrika ist ungewöhnlich, aufgrund der gewonnenen Hinweise auf eine positive Wertentwicklung der Käuferunternehmen bei M&A. Wie Literaturübersichtsstudien dokumentieren (s.a. Unterabschnitt 2.1.4), sind für Käuferunternehmen bei M&A im Allgemeinen negative oder neutrale Ergebnisse im Hinblick auf den Unternehmenserfolg zu erwarten. Wie für die Stichprobe Südafrika kann ein Hinweis darauf gefunden werden, dass M&A mit nordafrikanischen Zielunternehmen von der Dichotomie des Erfolgs, die üblicherweise beobachtet wird, abweichen. Damit sind auch die Ergebnisse der Stichprobe Nordafrika ein Hinweis darauf, dass die von beispielsweise Doukas & Travlos (1988), Alexandridis et al. (2010), Barbopoulos et al. Tabelle 32: 4.1.2.3 4.1 Ergebnisse Ereignisstudien 93 (2014), Chari et al. (2010) und Oelger & Schiereck (2011) gewonnenen Ergebnisse bezüglich des positiven Ausgangs von M&A in weniger entwickelten bzw. konsolidierten Märkten im Kontext von M&A in Afrika relevant sind. Auch der nordafrikanische Markt scheint, den hier vorgetragenen Ergebnissen nach zu urteilen, Wertschaffungspotenzial durch M&A zu bieten. Um zu ermitteln, welche Faktoren diese Entwicklung beeinflusst haben könnten, wird in Abschnitt 4.3 eine Querschnittsregression mit den CAR des Intervalls [-1;0] durchgeführt. Die CAAR dieses Intervalls waren unabhängig von dem Testverfahren und dem Verfahren zur Berechnung der erwarteten Rendite signifikant positiv. Ergebnisse Ereignisstudie subsaharisches Afrika Deskriptive Statistik subsaharisches Afrika 4. Ergebnisse  82  4.1.3 Ergebnisse Ereignisstudie subsaharisches Afrika 4.1.3.1 Deskriptive Statistik subsaharisches Afrika Abbildung 7: Entwicklung M&A-Aktivität über Zeit-subsaharisches Afrika Abbildung 7 zeigt die Entwicklung der M&A-Aktivität pro Jahr für die Stichprobe subsaharisches Afrika. Die ersten Transaktionen, die den in Abschnitt 3.1 beschriebenen Anforderungen genügen, sind für das Jahr 1989 verzeichnet. In der Stichprobe subsaharisches Afrika sind die Jahre 2014 und 2013 die Jahre mit der höchsten M&A-Aktivität und es entfallen 40 bzw. 34 Transaktionen auf diese. Auf die Jahre 2014 und 2013 folgen die Jahre 2007 und 2015 mit jeweils 33 verzeichneten Transaktionen. Damit unterscheidet sich die Stichprobe subsaharisches Afrika von den Stichproben Nordafrika und Südafrika bezüglich des Jahres mit der höchsten Aktivität, welches bei diesen im Jahr 2008 liegt. N Durchschnittliches Transaktionsvolumen (Mio. USD) Median Transaktionsvolumen (Mio. USD) 200 140,595 15,944 Tabelle 33: Mittelwerte Transaktionsvolumen-subsaharisches Afrika (1989-2016) Tabelle 33 präsentiert Informationen zu den Transaktionsvolumina in der Stichprobe subsaharisches Afrika. Von den 408 M&A in der Stichprobe subsaharisches Afrika liegen für 200 Daten zum Transaktionsvolumen vor. Das durchschnittliche Transaktionsvolumen und der Median dieser 200 Transaktionen liegen bei ca. 141 Mio. USD bzw. 16 Mio. USD. 0 5 10 15 20 25 30 35 40 45 19 89 19 91 19 93 19 94 19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 20 05 20 06 20 07 20 08 20 09 20 10 20 11 20 12 20 13 20 14 20 15 20 16 Anzahl M&A pro Jahr Entwicklung M&A-Aktivität über Zeit-subsaharisches Afrika Abbildung 7 zeigt die Entwicklung der M&A-Aktivität pro Jahr für die Stichprobe subsaharisches Afrika. Die ersten Transaktionen, die den in Absch itt 3.1 beschriebenen Anforderungen genügen, sind für das Jahr 1989 verzeichnet. In der Stichprobe subsaharisches Afrika sind die Jahre 4.1.3 . . . Abbildung 7: 4 Ergebnisse 94 2014 und 2013 die Jahre mit der höchsten M&A-Aktivität und es entfallen 40 bzw. 34 Transaktionen auf diese. Auf die Jahre 2014 und 2013 folgen die Jahre 2007 und 2015 mit jeweils 33 verzeichneten Transaktionen. Damit unterscheidet sich die Stichprobe subsaharisches Afrika von den Stichproben Nordafrika und Südafrika bezüglich des Jahres mit der höchsten Aktivität, welches bei diesen im Jahr 2008 liegt. N Durchschnittliches Transaktionsvolumen(Mio. USD) Median Transaktionsvolumen (Mio. USD) 200 140,595 15,944 Mittelwerte Transaktionsvolumen-subsaharisches Afrika (1989–2016) Tabelle 33 präsentiert Informationen zu den Transaktionsvolumina in der Stichprobe subsaharisches Afrika. Von den 408 M&A in der Stichprobe subsaharisches Afrika liegen für 200 Daten zum Transaktionsvolumen vor. Das durchschnittliche Transaktionsvolumen und der Median dieser 200 Transaktionen liegen bei ca. 141 Mio. USD bzw. 16 Mio. USD. Rang Käuferland N % 1 Südafrika 63 15.44 2 Vereinigtes Königreich 51 12,50 3 Kanada 40 9,80 4 Australien 30 7,35 5 Frankreich 24 5,88 6 USA 21 5,15 7 Indien 16 3,92 8 Nigeria 16 3,92 9 Kenia 15 3,68 10 Marokko 12 2,94 Summe 288 70,59 Rang Zielland N % 1 Nigeria 62 15,20 2 Kenia 30 7,35 3 Mauritius 27 6,62 4 Tansania 27 6,62 5 Mosambik 20 4,90 6 Elfenbeinküste 19 4,66 7 Namibia 18 4,41 8 Ghana 15 3,68 9 Sambia 15 3,68 10 Botswana 14 3,43 Summe 247 60,54 Top Ten-Käuferländersubsaharisches Afrika (1989–2016) Tabelle 34: Top Ten-Zielländersubsaharisches Afrika (1989–2016) Tabelle 35: Tabelle 34 und Tabelle 35 zeigen die zehn häufigsten Käufer- bzw. Zielländer in der Stichprobe subsaharisches Afrika. Die häufigsten Käuferländer sind Südafrika, das Vereinigte Königreich und Kanada mit Tabelle 33: 4.1 Ergebnisse Ereignisstudien 95 63, 51 bzw. 40 M&A. Aus dem subsaharischen Afrika sind an achter und neunter Stelle Nigeria und Kenia mit 16 bzw. 15 M&A vertreten. Nordafrikanische Länder befinden sich ebenfalls unter den zehn häufigsten Käuferländern. Auf marokkanische Käuferunternehmen entfallen 12 M&A, und Marokko steht damit bei den Käuferländern an zehnter Stelle. Bei den Zielländern führen Nigeria, Kenia und Mauritius mit 62, 30 bzw. 27 Transaktionen die Liste an. Transaktionen, bei denen Käufer- und Zielland einander entsprechen, machen 8,33% aus. Käuferindustrie N % Basismaterialien 119 29,17 Finanzen 81 19,85 Energie 63 15,44 Lebensmittel 46 11,27 Industrie 26 6,37 Telekommunikation 25 6,13 Medien und Unterhaltung 13 3,19 Hightech 9 2,21 Handel 8 1,96 Konsumgüter und Dienstleistungen 6 1,47 Immobilien 6 1,47 Gesundheit 5 1,23 Öffentlicher Sektor 1 0,25 Summe 408 100 Zielindustrien N % Basismaterialien 130 31,86 Finanzen 75 18,38 Energie 69 16,91 Lebensmittel 39 9,56 Industrie 22 5,39 Telekommunikation 20 4,90 Medien und Unterhaltung 15 3,68 Handel 10 2,45 Hightech 9 2,21 Konsumgüter und Dienstleistungen 8 1,96 Gesundheit 7 1,72 Immobilien 4 0,98 Summe 408 100 Käuferindustrien-subsaharisches Afrika (1989–2016) Tabelle 36: Zielindustrien-subsaharisches Afrika (1989–2016) Tabelle 37: Tabelle 36 und Tabelle 37 zeigen die Verteilung der M&A nach Käuferbzw. Zielindustrien in der Stichprobe subsaharisches Afrika. Mit 119, 81 bzw. 63 Transaktionen stammen die meisten Käufer aus den Industrien Basismaterialien, Finanzen bzw. Energie. Zielseitig ergibt sich dieselbe Rangfolge bei den drei häufigsten Industrien, und es entfallen 130, 75 bzw. 69 auf diese. Bei 69,61% der M&A stimmen Käufer- und Zielindustrie überein. 4 Ergebnisse 96 Rang Transaktionsvolumen (USD Mio.) Käufernamen Käuferland Käuferindustrie Zielunternehmen Zielland (Jahr) Zielindustrie 1 4210 Petro China Co Ltd China Energie ENI East Africa SpA Mosambik (2013) Energie 2 2770 China Molybdenum Co Ltd China Basismaterialien Freeport- McMoRan DRC Holdings Ltd Dem. Rep. Kongo (2016) Basismaterialien 3 2692 CNOOC Ltd China Energie Nigerian National Petroleum Corp- OML 130 Nigeria (2006) Energie 4 1503,907 Anglogold Ltd Südafrika Basismaterialien Ashanti Goldfields Co Ltd Ghana (2003) Basismaterialien 5 1434 Eni SpA Italien Energie Maurel & Prom SCA- Congo Oil Fields Kongo (2007) Energie 6 1250 Eurasian Natural Resources Vereinigtes Köngreich Basismaterialien First Quantum Minerals Ltd- Residual Assets & Claims Dem. Rep. Kongo (2012) Basismaterialien 7 1050 American Tower Corp USA Telekommunikation Bharti Airtel International Netherlands BV-Tower Portfolio (4800) Nigeria (2014) Telekommunikation 8 767,76 ONGC Indien Energie Greater Nile Petroleum Operating Co Sudan (2002) Energie 9 697,973 Hindustan Zinc Ltd Indien Basismaterialien Anglo American PLC- Skorpion Mine Namibia (2010) Basismaterialien 10 667 Gold Fields Ltd Südafrika Basismaterialien Gold Fields Ltd-Tarkwa & Damang Gold Mines Ghana (2011) Basismaterialien Top Ten-M&A-subsaharisches Afrika (1989–2016) Tabelle 38 zeigt die zehn nach Transaktionsvolumen größten M&A der Stichprobe subsaharisches Afrika. Das durchschnittliche Transaktions- Tabelle 38: 4.1 Ergebnisse Ereignisstudien 97 volumen dieser M&A liegt bei 1,7 Mrd. USD und der Median bei 1,3 Mrd. USD. Dominiert wird die Stichprobe käuferseitig von China. Die drei größten Transaktionen wurden von chinesischen Käuferunternehmen getätigt. Afrikanische Käuferunternehmen befinden sich käuferseitig kaum in der Liste. Lediglich südafrikanische Käuferunternehmen tauchen an vierter und zehnter Stelle der Liste auf. Die Zielländer der größten Transaktionen waren in absteigender Reihenfolge Mosambik, die Demokratische Republik Kongo und Nigeria. Die Industrien der Käuferunternehmen beschränken sich fast ausschließlich auf Basismaterialien und Energie, die 50% bzw. 40% ausmachen. Die Übereinstimmungsquote zwischen Ziel- und Käuferindustrien liegt bei 100%. Damit ergibt sich zielseitig ebenfalls ein Fokus auf die Industrien Energie und Basismaterialien. Ereignisstudie subsaharisches Afrika Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] 2,09 0,8477 0,3966 1,1637 0,2446 1,0629 0,2878 408 {0} 1,40 3,0273*** 0,0025 3,7360*** 0,0002 2,3515** 0,0187 408 [-1;0] 1,78 2,7440*** 0,0061 3,4286*** 0,0006 3,5411*** 0,0004 408 [0;1] 2,60 2,9159*** 0,0035 2,7023*** 0,0069 1,7568* 0,079 408 [-1;1] 2,98 2,9092*** 0,0036 2,8490*** 0,0044 2,4506** 0,0143 408 [-10;10] 2,82 2,2582** 0,0239 3,2350*** 0,0012 1,4594 0,1445 408 [-5;0] 1,66 1,4968 0,1345 2,4844** 0,013 1,2611 0,2073 408 [0;5] 2,70 3,2677*** 0,0011 2,4267** 0,0152 2,9463*** 0,0032 408 Ergebnisse-Marktmodell-nationale Indizes-subsaharisches Afrika Tabelle 39 zeigt die Ergebnisse der Ereignisstudie für die Stichprobe subsaharisches Afrika bei Verwendung nationaler Indizes in lokaler Währung. Von allen Tests werden die CAAR der Intervalle, die kurz um den Ereignistag ([-1;0], [0;1] [-1;1]) liegen bzw. die AAR des Ereignistages selbst, als signifikant ausgewiesen und betragen 1,78%, 2,60%, 2,98% bzw. 1,40%. Außerdem werden die CAAR des Intervalls [0;5], die bei 2,70% liegen, von allen Tests als signifikant ausgewiesen. Der Boehmer-Test und der Rang-Test zeigen für die CAAR der Intervalle [-1;0], [0;1] und 4.1.3.2 Tabelle 39: 4 Ergebnisse 98 [-1;1] sowie die AAR des Ereignistages Hochsignifikanz an. Ferner sind die AAR des Ereignistages nach dem Vorzeichen-Test signifikant zum 5%-Niveau. Die CAAR des Intervalls [-1;0] werden auch vom Vorzeichen-Test als hochsignifikant ausgewiesen. Außerdem sind die CAAR des Intervalls [0;5] nach dem Boehmer-Test und dem Vorzeichen-Test hochsignifikant und nach dem Rang-Test signifikant zum 5%-Niveau. Die CAAR der Intervalle [0;1] und [-1;1] werden nach dem Vorzeichen- Test zum 10%- bzw. zum 5%-Niveau als signifikant angezeigt. Unabhängig von dem gewählten Testverfahren werden also die CAAR des Intervalls [-1;0] als hochsignifikant ausgewiesen. Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] 1,22 -0,3174 0,7510 -0,1220 0,9029 1,0414 0,2977 408 {0} 1,37 2,9404*** 0,0033 3,3726*** 0,0007 2,4306** 0,0151 408 [-1;0] 1,72 2,697*** 0,0070 2,6447*** 0,0082 3,1253*** 0,0018 408 [0;1] 2,56 2,7494*** 0,0060 2,1696** 0,0300 2,4306** 0,0151 408 [-1;1] 2,91 2,7863*** 0,0053 1,9837** 0,0473 1,9345* 0,0531 408 [-10;10] 2,52 1,7152* 0,0863 2,4751** 0,0133 2,2322** 0,0256 408 [-5;0] 1,54 1,1962 0,2316 1,9019* 0,0572 2,0337** 0,0420 408 [0;5] 2,58 2,6943*** 0,0071 1,1005 0,2711 3,0260*** 0,0025 408 Ergebnisse-mittelwertbereinigtes Modell-subsaharisches Afrika Tabelle 40 zeigt die Ergebnisse des Robustheitstests für die Stichprobe subsaharisches Afrika, für das zur Berechnung der erwarteten Rendite das mittelwertbereinigte Modell verwendet wurde. Unabhängig von dem gewählten Testverfahren werden die CAAR der Intervalle [-1;0], [0;1] [-1;1] und [-10;10] sowie die AAR des Ereignistages als signifikant ausgewiesen und liegen bei 1,72%, 2,56 %, 2,91%, 2,52% bzw. 1,37%. Nach dem Boehmer-Test sind die AAR des Ereignistages und die CAAR der Intervalle [-1;0], [0;1] und [-1;1] hochsignifikant und die CAAR des Intervalls [-10;10] signifikant zum 10%-Niveau. Der Rang-Test zeigt die AAR des Ereignistages sowie die CAAR des Intervalls [-1;0] als hochsignifikant und die der Intervalle [0;1], [-1;1] und [-10;10] als signifikant zum 5%-Niveau an. Der Vorzeichen-Test ergibt Signifikanz der AAR des Ereignistages und der CAAR der Intervalle [0;1] und [-10;10] zum 5%- Niveau, während die CAAR des Intervalls [-1;0] als hochsignifikant und Tabelle 40: 4.1 Ergebnisse Ereignisstudien 99 die des Intervalls [-1;1] zum 10%-Niveau als signifikant ausgewiesen werden. Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichentest p-Wert N [-20;20] 1,48 0,0412 0,9672 -0,2587 0,7959 0,7944 0,427 408 {0} 1,36 3,0311*** 0,0024 3,3309*** 0,0009 2,3809** 0,0173 408 [-1;0] 1,70 2,7064*** 0,0068 2,5044** 0,0123 2,0834** 0,0372 408 [0;1] 2,57 2,9164*** 0,0035 2,183** 0,029 1,9843** 0,0472 408 [-1;1] 2,91 2,8882*** 0,0039 1,9042* 0,0569 2,0834** 0,0372 408 [-10;10] 2,5 1,8556* 0,0635 2,2186** 0,0265 1,191 0,2336 408 [-5;0] 1,51 1,1762 0,2395 1,7359* 0,0826 1,5877 0,1124 408 [0;5] 2,61 3,0685*** 0,0022 1,1936 0,2326 2,3809** 0,0173 408 Ergebnisse-Marktmodell-MSCI World Index-subsaharisches Afrika Tabelle 41 fasst die Ergebnisse der Ereignisstudie für die Stichprobe subsaharisches Afrika bei Verwendung des MSCI World Index als Marktrendite für das Marktmodell zur Prüfung der Robustheit zusammen. Nach allen Testverfahren sind die AAR des Ereignistages und die CAAR der Intervalle [-1;0], [0;1] und [-1;1] signifikant. Somit sind diese AAR und CAAR unabhängig von dem Testverfahren und von dem Verfahren zur Berechnung der erwarteten Renditen signifikant und liegen bei Verwendung des MSCI World Index als Marktrendite bei 1,36%, 1,70%, 2,57 % bzw. 2,91%. Der Boehmer-Test weist die AAR und CAAR all dieser Intervalle als hochsignifikant aus. Nach dem Vorzeichen-Test sind die AAR des Ereignistages und die CAAR der Intervalle [-1;0], [0;1] und [-1;1] zum 5%-Niveau signifikant. Der Rang-Test weist die AAR und CAAR dieser Intervalle zum 1%-, 5%-, 5%- bzw. 10%- Niveau als signifikant aus. Nachfolgend ist in Abbildung 8 bis Abbildung 10 der Verlauf der CAAR über das Ereignisfenster dargestellt. Verwendet wurden in Abbildung 8 die Ergebnisse des Marktmodells mit lokalen Indizes, in Abbildung 9 die des mittelwertbereinigten Modells und in Abbildung 10 die des Marktmodells mit MSCI World Index als Marktrendite. Tabelle 41: 4 Ergebnisse 100 4. Ergebnisse  88  Robustheit zusammen. Nach allen Testverfahren sind die AAR des Ereignistages und die CAAR der Intervalle [-1;0], [0;1] und [-1;1] signifikant. Somit sind diese AAR und CAAR unabhängig von dem Testverfahren und von dem Verfahren zur Berechnung der erwarteten Renditen signifikant und liegen bei Verwendung des MSCI World Index als Marktrendite bei 1,36%, 1,70%, 2,57 % bzw. 2,91%. Der Boehmer-Test weist die AAR und CAAR all dieser Intervalle als hochsignifikant aus. Nach dem Vorzeichen-Test sind die AAR des Ereignistages und die CAAR der Intervalle [-1;0], [0;1] und [-1;1] zum 5%-Niveau signifikant. Der Rang- Test weist die AAR und CAAR dieser Intervalle zum 1%-, 5%-, 5%- bzw. 10%-Niveau als signifikant aus. Nachfolgend ist in Abbildung 8 bis Abbildung 10 der Verlauf der CAAR über das Ereignisfenster dargestellt. Verwendet wurden in Abbildung 8 die Ergebnisse des Marktmodells mit lokalen Indizes, in Abbildung 9 die des mittelwertbereinigten Modells und in Abbildung 10 die des Marktmodells mit MSCI World Index als Marktrendite. Abbildung 8: Entwicklung CAAR über Ereignisfenster-Marktmodell-lokale Indizes ‐1 ‐0,5 0 0,5 1 1,5 2 2,5 3 3,5 ‐20 ‐18 ‐16 ‐14 ‐12 ‐10 ‐8 ‐6 ‐4 ‐2 0 2 4 6 8 10 12 14 16 18 20 CA AR (% ) Tage CAAR[-20;20] Entwicklung CAAR über Ereignisfenster-Marktmodelllokale Indizes 4. Ergebnisse  88  Robustheit zusammen. Nach allen Testverfahren sind die AAR des Ereignistages und die CAAR der Intervalle [-1;0], [0;1] und [-1;1] signifikant. Somit sind diese AAR und CAAR unabhängig von dem Testverfahren und von dem Verfahren zur Berechnung der erwarteten Renditen signifikant und liegen bei Verwendung des MSCI World Index als Marktrendite bei 1,36%, 1,70%, 2,57 % bzw. 2,91%. Der Boehmer-Test weist die AAR und CAAR all dieser Intervalle als hochsignifikant aus. Nach dem Vorzeichen-Test sind die AAR des Ereignistages und die CAAR der Intervalle [-1;0], [0;1] und [-1;1] zum 5%-Niveau signifikant. Der Rang- Test weist die AAR und CAAR dieser Intervalle zum 1%-, 5%-, 5%- bzw. 10%-Niveau als signifikant aus. Nachfolgend ist in Abbildung 8 bis Abbildung 10 der Verlauf der CAAR über das Ereignisfenster dargestellt. Verwendet wurden in Abbildung 8 die Ergebnisse des Marktmodells mit lokalen Indizes, in Abbildung 9 die des mittelwertbereinigten Modells und in Abbildung 10 die des Marktmodells mit MSCI World Index als Marktrendite. ../Bilder/Abb08.pdf Abbildung 8: Entwicklung CAAR über Ereignisfenster-Marktmodell-lokale Indizes Abbildung 9: Entwicklung CAAR über Ereignisfenster-Mittelwertbereinigtes Modell ‐1,5 ‐1 ‐0,5 0 0,5 1 1,5 2 2,5 ‐20 ‐18 ‐16 ‐14 ‐12 ‐10 ‐8 ‐6 ‐4 ‐2 0 2 4 6 8 10 12 14 16 18 20 CA AR (% ) Tage CAAR[-20;20] Entwicklung CAAR über Ereignisfenster-Mittelwertbereinigtes Modell Abb ung 8: Abbildung 9: 4.1 Ergebniss Ereig isstudien 101 4. Ergebnisse  88  Robustheit zusammen. Nach allen Testverfahren sind die AAR des Ereignistages und die CAAR der Intervalle [-1;0], [0;1] und [-1;1] signifikant. Somit sind diese AAR und CAAR unabhängig von dem Testverfahren und von dem Verfahren zur Berechnung der erwarteten Renditen signifikant und liegen bei Verwendung des MSCI World Index als Marktrendite bei 1,36%, 1,70%, 2,57 % bzw. 2,91%. Der Boehmer-Test weist die AAR und CAAR all dieser Intervalle als hochsignifikant aus. Nach dem Vorzeichen-Test sind die AAR des Ereignistages und die CAAR der Intervalle [-1;0], [0;1] und [-1;1] zum 5%-Niveau signifikant. Der Rang- Test weist die AAR und CAAR dieser Intervalle zum 1%-, 5%-, 5%- bzw. 10%-Niveau als signifikant aus. Nachfolgend ist in Abbildung 8 bis Abbildung 10 der Verlauf der CAAR über das Ereignisfenster dargestellt. Verwendet wurden in Abbildung 8 die Ergebnisse des Marktmodells mit lokalen Indizes, in Abbildung 9 die des mittelwertbereinigten Modells und in Abbildung 10 die des Marktmodells mit MSCI World Index als Marktrendite. ../Bilder/Abb08.pdf Abbildung 8: Entwicklung CAAR über Ereignisfenster-Marktmodell-lokale Indizes ../Bilder/Abb09.pdf Abbildung 9: Entwicklung CAAR über Ereignisfenster-Mittelwertbereinigtes Modell Abbildung 10: Entwicklung CAAR über Ereignisfenster-Marktmodell-MSCI World Index ‐1,5 ‐1 ‐0,5 0 0,5 1 1,5 2 2,5 3 ‐20 ‐18 ‐16 ‐14 ‐12 ‐10 ‐8 ‐6 ‐4 ‐2 0 2 4 6 8 10 12 14 16 18 20 CA AR (% ) Tage CAAR[-20;20] Entwicklung CAAR über Ereignisfenster-Marktmodell- MSCI World Index Die grafische Darstellung dokumentiert zusätzlich, dass dicht um den Ereignistag ein starker Anstieg der CAAR stattfindet, der nicht zufällig erscheint und außerdem Ähnlichkeit im Verlauf nach allen Methoden zur Berechnung der CAAR aufweist. Diskussion der Ergebnisse-Ereignisstudie subsaharisches Afrika Die Ergebnisse der Stichprobe subsaharisches Afrika deuten wie die Ergebnisse der Stichproben Nordafrika und Südafrika auf ein Wertschaffungspotenzial bei M&A mit Zielunternehmen hin, die ihren Hauptsitz in den jeweiligen sich entwickelnden Volkswirtschaften Afrikas haben. Auch diese Ergebnisse passen zu den von Autoren wie Doukas & Travlos (1988), Alexandridis et al. (2010), Barbopoulos et al. (2014), Chari et al. (2010) oder Oelger & Schiereck (2011) festgestellten Abweichungen hinsichtlich des Erfolgs bei M&A in sich entwickelnden Volkswirtschaften. Insbesondere dass in der Stichprobe subsaharisches Afrika die höchsten CAAR vorgefunden werden können, scheint sich mit dem Erklärungsansatz vereinbaren zu lassen, dass in weniger ent- Abbildung 10: 4.1.3.3 4 Ergebnisse 102 wickelten bzw. konsolidierten Märkten ein höheres Wertschaffungspotenzial vorgefunden werden kann. Im Rahmen der weiteren Untersuchung wird auch dieses ungewöhnliche Ergebnis mittels Querschnittsregressionsanalysen im Hinblick auf potenzielle Erklärungsansätze untersucht werden. Am häufigsten wurden die CAAR des Intervalls [-1;0] als hochsignifikant ausgewiesen. Insbesondere war die CAAR des Intervalls [-1;0] nach dem von Campbell et al. (2010) empfohlenen Verfahren mit Marktmodell und nationalen Indizes nach allen Testverfahren hochsignifikant, während dies für die CAAR der anderen Intervalle nicht gilt. Daher werden die CAR des Intervalls [-1;0] als abhängige Variable der Regression verwendet werden. Zunächst soll jedoch in zwei Exkursen untersucht werden, welche Bedeutung die Aufnahme des Ziellandes Mauritius in die Stichprobe subsaharisches Afrika gehabt haben könnte, und ferner analysiert werden, wie erfolgreich M&A mit Zielunternehmen in der Bankenindustrie in Afrika verliefen. Exkurs I: Ergebnisse Ereignisstudie subsaharisches Afrika exkl. Mauritius Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] 2,37 1,1089 0,2675 1,4368 0,1508 1,2194 0,2227 381 {0} 1,49 3,0005*** 0,0027 3,7967*** 0,0001 2,245** 0,0248 381 [-1;0] 1,93 2,904*** 0,0037 3,8025*** 0,0001 3,886*** 0,0001 381 [0;1] 2,78 2,7794*** 0,0054 2,8807*** 0,0040 1,6296 0,1032 381 [-1;1] 3,21 2,9301*** 0,0034 3,2648*** 0,0011 2,5527** 0,0107 381 [-10;10] 3,08 2,4547** 0,0141 3,5481*** 0,0004 1,8347* 0,0665 381 [-5;0] 1,74 1,6555* 0,0978 2,7043*** 0,0068 1,527 0,1268 381 [0;5] 2,95 3,3185*** 0,0009 2,8475*** 0,0044 3,4757*** 0,0005 381 Ergebnisse-Marktmodell-nationale Indizes-ohne Mauritius 4.1.4 Tabelle 42: 4.1 Ergebnisse Ereignisstudien 103 Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] 1,47 -0,0017 0,9986 0,1294 0,8970 1,1998 0,2302 381 {0} 1,46 2,8832*** 0,0039 3,3461*** 0,0008 2,3288** 0,0199 381 [-1;0] 1,85 2,846*** 0,0044 2,9521*** 0,0032 3,4578*** 0,0005 381 [0;1] 2,72 2,5557** 0,0106 2,0895** 0,0367 2,4314** 0,0150 381 [-1;1] 3,11 2,7621*** 0,0057 2,1846** 0,0289 2,1235** 0,0337 381 [-10;10] 2,75 1,9023* 0,0571 2,6851*** 0,0073 2,3288** 0,0199 381 [-5;0] 1,61 1,4284 0,1532 2,1269** 0,0334 2,2262** 0,0260 381 [0;5] 2,82 2,7072*** 0,0068 1,4301 0,1527 3,2526*** 0,0011 381 Ergebnisse-mittelwertbereinigtes Modell-ohne Mauritius Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] 1,75 0,3537 0,7236 0,0825 0,9343 0,9041 0,3659 381 {0} 1,44 2,9715*** 0,0030 3,4446*** 0,0006 2,4433** 0,0146 381 [-1;0] 1,83 2,8501*** 0,0044 3,0389*** 0,0024 2,7512*** 0,0059 381 [0;1] 2,73 2,7224*** 0,0065 2,2347** 0,0254 2,0329** 0,0421 381 [-1;1] 3,12 2,8619*** 0,0042 2,3171** 0,0205 2,4433** 0,0146 381 [-10;10] 2,75 2,0817** 0,0374 2,6117*** 0,0090 1,6224 0,1047 381 [-5;0] 1,59 1,3584 0,1744 2,1124** 0,0347 1,725* 0,0845 381 [0;5] 2,84 3,0668*** 0,0022 1,4707 0,1414 2,8538*** 0,0043 381 Ergebnisse-Marktmodell-ohne Mauritius Tabelle 42, Tabelle 43 und Tabelle 44 zeigen die Ergebnisse der Ereignisstudie für die Stichprobe subsaharisches Afrika unter Ausschluss von Transaktionen mit Zielland Mauritius. Da Mauritius einerseits dem BIP/Kopf nach nahezu über den gesamten Betrachtungszeitraum aus der Gruppe subsaharischer Staaten herausragt und andererseits eine Steueroase ist, wurde untersucht, ob die Aufnahme des Ziellandes Mauritius in die Stichprobe subsaharisches Afrika einen das Ergebnis verzerrenden Effekt gehabt haben könnte. Es zeigt sich jedoch, dass die CAAR des Intervalls [-1;0], die im weiteren Verlauf der Untersuchung betrachtet werden, bei Ausschluss von Mauritius nach allen Verfahren zur Berechnung der erwarteten Rendite und zum Testen höher und mindestens zum selben Signifikanzniveau signifikant ausfallen. Damit ist die Rolle von Mauritius als potenzieller Störfaktor geklärt, und es bleiben weiterhin die CAAR des Intervalls [-1;0] zu erklären. Außer- Tabelle 43: Tabelle 44: 4 Ergebnisse 104 dem deutet auch dieses Ergebnis darauf hin, dass in weniger entwickelten bzw. konsolidierten Märkten ein größeres Wertsteigerungspotenzial vorhanden ist. Exkurs II: Ergebnisse Ereignisstudie Ziel Banken Da sich ein großer Teil der empirischen Literatur zu M&A in Afrika auf den Finanzsektor und insbesondere Banken konzentriert, wurden M&A mit Banken in Afrika als Zielunternehmen noch einmal gesondert untersucht. Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] -0,42 -0,4115 0,6807 -0,3826 0,7020 -0,6545 0,5128 67 {0} 0,31 1,4325 0,1520 1,9744** 0,0483 1,5452 0,1223 67 [-1;0] 0,24 0,7987 0,4245 2,0139** 0,0440 1,5452 0,1223 67 [0;1] 0,38 1,7681* 0,0770 1,1685 0,2426 1,7896* 0,0730 67 [-1;1] 0,30 1,3139 0,1889 1,4585 0,1447 1,5452 0,1223 67 [-10;10] 0,18 0,3398 0,7340 0,2906 0,7714 -0,1657 0,8684 67 [-5;0] -0,29 -0,9516 0,3413 0,1761 0,8602 0,0788 0,9372 67 [0;5] 0,31 1,4325 0,1520 1,9744** 0,0483 1,5452 0,1223 67 Ergebnisse-Marktmodell-nationale Indizes-Ziel Banken in Afrika In Tabelle 45 sind die Ergebnisse einer Ereignisstudie mit nationalen Indizes in lokaler Währung dargestellt, für die als Stichprobe Transaktionen verwendet wurden, die afrikanische Banken zum Ziel39 hatten. Die 67 Transaktionen umfassende Stichprobe ist eine industriespezifische Teilstichprobe der Stichprobe Afrika, die das Aggregat der Stichproben Südafrika, Nordafrika und subsaharisches Afrika ist. Die Aufteilung nach Ländergruppen wurde in diesem Fall nicht vorgenommen, da nur eine sehr geringe Anzahl der Transaktionen der Stichprobe Afrika Banken zum Ziel hatte und diese Transaktionen nur zu einem geringen Anteil die in Abschnitt 3.1 beschriebenen Kriterien erfüllten. Es wird deutlich, dass die CAAR keines Intervalls unabhängig 4.1.5 Tabelle 45: 39 Die „Mid Industry“ des Zielunternehmens ist bei Thomson Reuters „Banks“. 4.1 Ergebnisse Ereignisstudien 105 von dem verwendeten Testverfahren signifikant sind. Die CAAR des Intervalls [0;1], die bei 0,38% liegen, werden von dem Boehmer-Test und dem Vorzeichen-Test als signifikant zum 10%-Niveau ausgewiesen. Die CAAR der Intervalle [0;5] und [-1;0] sowie die AAR des Ereignistages werden von dem Rang-Test zum 5%-Niveau als signifikant ausgewiesen und liegen bei 0,31%, 0,24% bzw. 0,31%. Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] -1,56 -1,2476 0,2122 -1,3040 0,1922 -0,3034 0,7616 67 {0} 0,41 1,6229 0,1046 2,6343*** 0,0084 2,8803*** 0,004 67 [-1;0] 0,34 0,5242 0,6001 1,9433* 0,0520 1,4109 0,1583 67 [0;1] 0,57 2,325** 0,0201 2,0239** 0,0430 1,9007* 0,0573 67 [-1;1] 0,51 1,48 0,1389 1,7183* 0,0858 0,9211 0,357 67 [-10;10] -0,38 -0,3032 0,7618 -0,0553 0,9559 -0,0585 0,9533 67 [-5;0] -0,45 -0,9365 0,3490 0,2549 0,7988 0,1864 0,8521 67 [0;5] 0,41 1,6229 0,1046 2,6343** 0,0084 2,8803*** 0,004 67 Ergebnisse-mittelwertbereinigtes Modell-Ziel Banken in Afrika Tabelle 46 zeigt die Ergebnisse eines ersten Robustheitstests, für den das mittelwertbereinigte Modell zur Berechnung der erwarteten Renditen verwendet wurde. In diesem Fall werden die CAAR des Intervalls [0;1] nach allen Testverfahren als signifikant ausgewiesen. Sie liegen bei 0,57% und werden nach dem Boehmer- und dem Rang-Test zum 5%- und nach dem Vorzeichen-Test zum 10%-Niveau als signifikant angezeigt. Tabelle 46: 4 Ergebnisse 106 Intervall CAAR (%) Boehmer- Test p-Wert Rang-Test p-Wert Vorzeichen- Test p-Wert N [-20;20] -2,09 -1,3963 0,1626 -1,4341 0,1515 -0,9175 0,3589 67 {0} 0,37 1,6929* 0,0905 2,3745** 0,0176 2,5079** 0,0121 67 [-1;0] 0,19 0,5177 0,6047 1,7112* 0,0870 1,0399 0,2984 67 [0;1] 0,36 2,1042** 0,0354 1,8191* 0,0689 2,0186** 0,0435 67 [-1;1] 0,19 1,2966 0,1948 1,5115 0,1306 1,0399 0,2984 67 [-10;10] -0,61 -0,4413 0,6590 0,0414 0,9669 0,0612 0,9512 67 [-5;0] -0,43 -1,0496 0,2939 -0,0130 0,9896 -0,1835 0,8544 67 [0;5] 0,68 1,7568* 0,0789 1,3845 0,1662 1,2845 0,199 67 Ergebnisse-Marktmodell-MSCI World Index- Ziel Banken in Afrika Letztlich ergibt auch die Berechnung der erwarteten Renditen mittels MSCI World Index als Marktrendite im Marktmodell, deren Ergebnisse Tabelle 47 zeigt, Signifikanz der CAAR des Intervalls [0;1], die unabhängig von dem gewählten Testverfahren ist. Außerdem gilt dies für die AAR des Ereignistages, die bei 0,37% liegen und von dem Rangsowie dem Vorzeichen-Test zum 5%-Niveau als signifikant ausgewiesen werden, während der Boehmer-Test Signifikanz zum 10%-Niveau anzeigt. Die CAAR des Intervalls [0;1] betragen 0,36% und sind nach dem Boehmer-Test und dem Vorzeichen-Test zum 5%-Niveau signifikant. Der Rang-Test zeigt die CAAR dieses Intervalls zum 10%-Niveau als signifikant an. Insgesamt deuten die CAAR auf ein positives Ergebnis bezüglich der Wertentwicklung von Käuferunternehmen afrikanischer Banken in kurzen Zeitfenstern um das Ereignis herum hin. Dies bedeutet, dass neben den Stakeholdern afrikanischer Banken auch Shareholder der Käuferunternehmen afrikanischer Banken profitieren könnten. Dieses Ergebnis passt in das von Kolaric & Schiereck (2014) sowie Kolaric & Schiereck (2013) entworfene Bild, wonach das Konsolidierungspotenzial in sich entwickelnden Volkswirtschaften ausgeprägter ist und daher Möglichkeiten zur Wertsteigerung durch M&A im Bankenbereich für Käuferunternehmen existieren. Tabelle 47: 4.1 Ergebnisse Ereignisstudien 107 Erfolgsdeterminanten bei M&A In Abschnitt 4.2 werden die Variablen vorgestellt, die in dieser Untersuchung im Hinblick auf ihren potenziellen Einfluss auf den Erfolg von M&A in der kurzen und der langen Frist analysiert werden. Im Unterschied zur allgemeinen Literatur zu Erfolgsdeterminanten von M&A werden in dieser Untersuchung Variablen stärker berücksichtigt, die institutionelle und volkswirtschaftliche Rahmenbedingungen reflektieren und, wie in Kapitel 2 beschrieben, bei der Analyse von M&A in sich entwickelnden Volkswirtschaften zusätzlichen Aufschluss über die Erfolgsaussichten von M&A geben könnten. Die folgende Aufzählung untersuchter Erfolgsdeterminanten wird am Ende des Abschnitts 4.2 in Tabelle 48 um eine Übersicht ergänzt, die eine detaillierte Beschreibung der Variablen enthält. Da einerseits die empirische Literatur bei den meisten Variablen zu keinem eindeutigen Ergebnis kommt, was das Vorzeichen des Zusammenhangs mit dem M&A-Erfolg angeht (bspw. Schief, Buxmann & Schiereck (2015)), und andererseits für viele Variablen theoretische Rechtfertigungen für unterschiedliche Vorzeichen existieren (bspw. Haleblian et al. (2009)), ergibt sich auch nicht in allen Fällen eine eindeutige Erwartung bezüglich der noch in dieser Untersuchung festzustellenden Vorzeichen der Variablen. – Die Dummy-Variable NÄHE nimmt den Wert 1 an, wenn Zielund Käuferunternehmen aus demselben Land stammen. Untersuchungen von beispielsweise Grote & Rücker (2007) ergeben, dass mit abnehmender Distanz zwischen Herkunfts- und Zielland von M&A eine positivere Entwicklung des Werts von Käuferunternehmen einhergeht. Begründet wird dies üblicherweise mit Aspekten, die den Integrationsprozess vereinfachen bzw. erschweren und die mit der geografischen Distanz zusammenhängen. Ein Beispiel wären kulturelle Gemeinsamkeiten. Es gibt jedoch auch Untersuchungen, die einen negativen Zusammenhang der Variable Nähe mit dem Erfolg der Käuferunternehmen nahelegen (bspw. Chakrabarti, Gupta-Mukherjee & Jayaraman (2009); Morosini, Shane & Harbir (1998)). – Einen negativen Zusammenhang zwischen industrieller Diversifizierung bei M&A und der Entwicklung des Werts der Käuferunternehmen können Studien, wie bspw. die von Denis, Denis & Yost 4.2 4 Ergebnisse 108 (2002) oder Walker (2000), feststellen. Begründet wird auch dieser Zusammenhang mit den Kosten der Integration. Daher wird die Dummy-Variable FOKUS in der empirischen Untersuchung betrachtet werden, welche den Wert 1 annimmt, wenn Käufer und Zielunternehmen nach Thomson Reuters Financial SDC derselben „Midindustry“ angehören. Es existieren allerdings auch Studien, die einen positiven Einfluss der industriellen Diversifizierung feststellen (z.B. Morck & Yeung (1997)). Theoretisch begründen lässt sich eine positive Wahrnehmung des Kapitalmarkts bei diversifizierenden M&A beispielsweise durch die oben aufgeführten Erklärungsansätze für diversifizierende M&A. – Einen negativen Zusammenhang des Erfolgs der Käuferunternehmen bei M&A mit der Eigenschaft eines Zielunternehmens, eine Publikumsgesellschaft zu sein, können eine Reihe von Autoren feststellen (z.B.: Fuller, Netter & Stegemoller (2002); Chang (1998); Moeller, Schlingemann & Stulz (2005)). Der starke Anstieg des Preises für Anteile des Zielunternehmens bei einem M&A-Versuch, wenn dieses eine Publikumsgesellschaft ist, wird als Begründung für diesen Zusammenhang ins Feld geführt (Fuller et al., 2002). Daher wird die Dummy-Variable ZIELPRIVAT eingeführt, die den Wert 1 annimmt, wenn das Zielunternehmen keine Publikumsgesellschaft ist, und den Wert 0 bei einer Publikumsgesellschaft. Für diese Variable wird ein positiver Zusammenhang mit der Entwicklung des Werts der Käuferunternehmen vermutet. – Die Dummy-Variable ZEIT nimmt den Wert 1 an, wenn die Transaktionsankündigung nach 2001 stattgefunden hat. Diese Variable wird betrachtet, um zu berücksichtigen, dass der in dieser Studie untersuchte Betrachtungszeitraum für M&A-Studien relativ lang ist und es beispielsweise durch Konsolidierungsvorgänge zu Veränderungen hinsichtlich des M&A-Erfolgs kommen könnte. Der Effekt der Konsolidierungsvorgänge könnte allerdings auch durch ein Anziehen der Rohstoffpreise im Betrachtungszeitraum überlagert werden. Aus den oben präsentierten deskriptiven Statistiken geht hervor, dass ein nicht unerheblicher Teil der M&A in den betrachteten Stichproben auf den Zugang zu Rohstoffen abgezielt haben könnte. – Die Variable WERTTRA wird in die Regression aufgenommen, um das Transaktionsvolumen der M&A zu berücksichtigen. In die- 4.2 Erfolgsdeterminanten bei M&A 109 ser Untersuchung wurde auf ein Mindesttransaktionsvolumen als Aufnahmekriterium verzichtet. Die Variable WERTTRA soll Hinweise auf mögliche Auswirkungen dieses Vorgehens liefern. Eine Untersuchung von Ferris & Park (2002) kann einen positiven Zusammenhang zwischen der Transaktionsgröße und dem M&A-Erfolg feststellen, wofür als Erklärung die in Unterabschnitt 2.1.2 angeführte industrieökonomische Perspektive verwendet werden kann. – Moeller, Schlingemann & Stulz (2005) sowie Rau & Vermaelen (1998) können einen negativen Zusammenhang des Preis-Buchwert-Verhältnisses von Käuferunternehmen mit der Entwicklung dieser bei M&A feststellen. Daher wird die Variable PREIS/BUCH in die Betrachtung aufgenommen. Definiert ist diese Variable als das Preis-Buchwert-Verhältnis40 des Käuferunternehmens in USD. Als Erklärung für diesen Zusammenhang wird die mit einem möglichen relativ hohen Preis-Buchwert-Verhältnis einhergehende Überbewertung angeführt, die dazu animieren kann, über einen Aktientausch Anteile an unterbewerteten Unternehmen zu erwerben. – Die Variable KONTROLLE steht für den Anteil, der versucht wurde, mit der M&A-Transaktion am Zielunternehmen zu übernehmen, und könnte ein Indikator dafür sein, ob mit der M&A-Transaktion ein komplexer Integrationsprozess einhergeht, der wiederum in negativer Weise vom Kapitalmarkt antizipiert werden könnte. – Die Variable PREMIUM41, die für Abweichungen des Kaufpreises vom geschätzten Wert des Zielunternehmens steht, wird aufgenommen, da sie im afrikanischen Kontext aufgrund schwach ausgeprägter institutioneller Rahmenbedingungen ein Hinweis auf besonders profitable Investitionen, beispielsweise im Rohstoffbereich, sein könnte. Andererseits kommen Haleblian et al. (2009) in ihrer Literaturübersichtsstudie zu Erfolgsdeterminanten von M&A zu dem Ergebnis, dass ein im angestrebten Kaufpreis einbegriffener hoher Aufschlag auf den geschätzten Wert des Zielunternehmens 40 Zum Ende des vorangegangenen Bilanzjahres 41 Eine Woche vor der Transaktionsankündigung 4 Ergebnisse 110 negativ mit dem Erfolg bei M&A zusammenhängt, was mit Hybris in solchen Fällen begründet wird. – Die volkswirtschaftlichen Rahmenbedingungen in vielen afrikanischen Staaten erschweren Fremdkapitalfinanzierung insbesondere in ausländischer Währung (UNCTAD, 2016). Daher könnte ein großes Synergiepotenzial bei M&A in Afrika vorliegen, wenn das Käuferunternehmen einen relativ niedrigen Verschuldungsgrad hat und dadurch dem Zielunternehmen einen besseren Zugang zu Fremdkapitalfinanzierung verschaffen könnte. Es wird deswegen ein negativer Koeffizient der Variable VERSCHULDUNG42 erwartet, die als Verhältnis von Fremd- zu Eigenkapital definiert ist. In der allgemeinen Literatur findet beispielsweise eine Studie von Kling & Weitzel (2011) einen empirischen Hinweis auf diesen negativen Zusammenhang. – Die Signaling Theorie von Myers & Majluf (1984) legt nahe, dass bei asymmetrischer Informationslage ein Aktientausch bei M&A das Signal an die Kapitalmarktteilnehmer aussendet, dass die Aktien des Käuferunternehmens überbewertet sind. Empirische Untersuchungen von Travlos (1987), Loughran & Vijh (1997) sowie Walking & Song (2004) deuten auf die Korrektheit des von Myers & Majluf (1984) vermuteten Zusammenhangs hin. Daher wird die Dummy-Variable CASH eingeführt, die den Wert 1 annimmt, wenn die Bezahlung ausschließlich in bar vorgenommen wird, und andernfalls den Wert 0. Der Koeffizient der Variable sollte der Argumentation entsprechend positiv sein. – Ein weiterer Hinweis auf die Fähigkeit des Käuferunternehmens, die Zielunternehmen bei Schwierigkeiten zum Zugang zu Fremdkapital zu unterstützen, könnte die Gewinnmarge sein. Daher wird die Gewinnmarge des Käuferunternehmens (GEWINNM) als unabhängige Variable eingeführt und vermutet, dass diese im Umfeld der M&A positiv mit dem Wert der Käuferunternehmen zusammenhängt. Aus der allgemeinen Literatur zu Determinanten von M&A könnte jedoch auch ein negativer Zusammenhang der Variable GEWINNM abgeleitet werden, wenn man den im letzten 42 Zum Ende des vorangegangenen Bilanzjahres 4.2 Erfolgsdeterminanten bei M&A 111 Punkt genannten Studien folgt und GEWINNM als einen Indikator für eine Free-Cash-Flow-Problematik betrachtet. – Die Variable ZIELROHST nimmt den Wert 1 an, wenn die Makroindustrie des Zielunternehmens unter Basismaterialien verzeichnet ist, und beträgt andernfalls 0. Diese Industrie war am häufigsten Zielindustrie von M&A in der Gesamtstichprobe Afrika. Diese Konzentration von Investitionen könnte darauf hindeuten, dass in diesem Bereich profitable Investitionsmöglichkeiten existieren, und damit eine positive Wahrnehmung des Kapitalmarkts bei Investitionen dieser Art. Lebedev et al. (2015) und Ellis et al. (2015) dokumentieren in ihren Literaturübersichtsstudien die Bedeutung institutioneller Rahmenbedingungen in sich entwickelnden Volkswirtschaften, die sich stark von denen in entwickelten Volkswirtschaften unterscheiden können. Die nach Kenntnisstand des Autors einzigen existierenden länderübergreifenden Studien zu M&A in Afrika, die Determinanten von CAR oder BHAR zum Gegenstand haben, deuten ebenfalls auf die Bedeutung institutioneller Rahmenbedingungen hin. Außerdem wird in diesen Studien herausgearbeitet, dass das ökonomische Risiko in den Zielländern den Erfolg der M&A beeinflussen könnte. Daher wird eine Reihe von Variablen verwendet, die das institutionelle und ökonomische Umfeld der Zielunternehmen betreffen. Institutionelle Variablen – Barbopoulos et al. (2014) können einen positiven Zusammenhang zwischen dem politischen Risiko in afrikanischen Staaten und der Entwicklung des Werts der Käuferunternehmen feststellen. Für ihre Untersuchung verwenden sie den entsprechenden „World Governance Indicator“ der Weltbank. Daher wird auch in dieser Untersuchung der „World Governance Indicator“ „politische Stabilität“ der Weltbank verwendet und die Variable als POLSTAB bezeichnet. Anzumerken ist jedoch, dass auch eine positive Bewertung politischer Stabilität aus Investorensicht sinnvoll erscheint. – Für die Stärke des Rechtssystems im afrikanischen Zielland der M&A können Triki & Chun (2011) einen positiven Zusammenhang mit den BHAR der Käuferunternehmen beobachten. Triki & Chun (2011) erläutern jedoch nicht, wie sie die Stärke des Rechtssystems messen. Ein auf umfangreichem Datenmaterial basieren- 4 Ergebnisse 112 der und für Investoren relevante Dimensionen erfassender Indikator ist auch in Bezug auf das Rechtssystem der Zielländer ein „World Governance Indicator“ der Weltbank. Der Indikator „Rule of Law“ operationalisiert das Vertrauen, das Agenten einer Gesellschaft in die Regeln der Gesellschaft haben. Mit den Regeln einer Gesellschaft sind auch die für M&A-Investoren besonders relevante Qualität der Vertragsdurchsetzung und Eigentümerrechte gemeint (Kaufman et al., 2010, S. 4). In dieser Untersuchung wird auch dieser Indikator verwendet und die entsprechende Variable mit RECHT bezeichnet. – Barbopoulos et al. (2014) konnten letztlich einen positiven Zusammenhang zwischen dem „World Governance Indicator” für Korruption der Weltbank und den CAR der Käuferunternehmen feststellen. Dieser Indikator operationalisiert die Wahrnehmung der Ausnutzung politischer Macht für private Interessen im jeweiligen Land (Kaufman et al., S. 4, 2010). Daher wird die institutionelle Variable KONKORR eingeführt, für die ebenfalls der entsprechende Indikator der Weltbank genutzt wird. Auch bei dieser Variable ließe sich, da Korruption im Zielland gleichermaßen zum Vor- und Nachteil von Investoren bzw. Käuferunternehmen gereichen könnte, für verschiedene Vorzeichen argumentieren. Makroökonomische Variablen – Das ökonomische Risiko afrikanischer Staaten wird von Triki & Chun (2011) mittels der Größen Auslandsverschuldung im Verhältnis zum BIP, Import Cover und Wechselkursstabilität angenähert, ohne dass die genaue Konstruktion der Variable erläutert wird. Aus Investorenperspektive kann als ein vordergründiges Risiko das Risiko eines Zahlungsausfalls des Ziellandes gesehen werden. Wenn man dieses Risiko in den Vordergrund rückt, ergibt sich aus dem UNCTAD Bericht zur ökonomischen Entwicklung in Afrika im Jahr 2016, der sich schwerpunktmäßig mit Fremdkapitaldynamiken in Afrika beschäftigt, dass die Leistungsbilanz als Anteil des BIP und der Gesamtbestand an Währungsreserven im Verhältnis zum Gesamtbestand externer Schulden geeignete Indikatoren zu sein scheinen. (Genau genommen legt dieser UNCTAD Bericht nahe, dass insbesondere 4.2 Erfolgsdeterminanten bei M&A 113 kurzfristige Schulden afrikanischer Staaten, die auf ausländische Währungen lauten und von privaten Gläubigern gehalten werden, risikoreich sind. Daten, die eine entsprechende Aufschlüsselung von Schulden vornehmen, existieren jedoch nicht, und es wird daher empfohlen, die beiden oben genannten Grö- ßen als Näherungen für das Risiko von Zahlungsausfällen afrikanischer Staaten zu verwenden (UNCTAD, 2016)). Als makroökonomische Variablen werden daher die Variable LEISTUNGSB und die Variable RESERVE eingeführt, die für die Leistungsbilanz als Anteil des BIP und den Gesamtbestand an Währungsreserven im Verhältnis zum Gesamtbestand externer Schulden stehen. – Ferner wird die Variable WACHSTUM eingeführt, die für die wirtschaftliche Wachstumsrate steht. Damit soll der Frage nachgegangen werden, ob hohe Wachstumsraten des BIP in den afrikanischen Zielländern die Wahrnehmung des Kapitalmarkts positiv beeinflusst haben könnten. Variable Beschreibung NÄHE Dummy Variable, die den Wert 1 annimmt, wenn Käufer- und Zielunternehmen aus demselben Land stammen, und andernfalls den Wert 0. FOKUS ZEIT Dummy Variable, die den Wert 1 annimmt, wenn Käufer- und Zielunternehmen dieselbe makroindustrielle Klassifizierung unter Thomson Reuters Financial SDC haben, und andernfalls den Wert 0. Dummy Variable, die den Wert 1 annimmt, wenn die Transaktion nach 2001 stattfand, und andernfalls den Wert 0. ZIELPRIVAT Dummy Variable, die den Wert 1 annimmt, wenn das Zielunternehmen ein privates Unternehmen (im Sinne von keine Publikumsgesellschaft) ist, und den Wert 0, wenn es eine Publikumsgesellschaft ist. WERTTRA Dekadischer Logarithmus des Transaktionsvolumens in USD PREIS/BUCH Preis-Buchwert-Verhältnis zum Ende des vorangegangenen Bilanzjahres KONTROLLE Anteil des Zielunternehmens, der versucht wurde, zu erwerben PREMIUM Premium 1 Woche vor der Transaktionsankündigung VERSCHUL- DUNG Verschuldungsgrad zum Ende des vorangegangenen Bilanzjahres CASH Dummy Variable, die den Wert 1 annimmt, wenn die Transaktion ausschließlich in bar beglichen wird, und andernfalls den Wert 0. GEWINNM Bruttogewinnmarge zum Ende des vorangegangenen Bilanzjahres 4 Ergebnisse 114 Variable Beschreibung POLSTAB „Der Indikator der Weltbank Political Stability fängt die Wahrnehmung von Experten, bezüglich der Wahrscheinlichkeit eines Sturzes oder der Destabilisierung einer Regierung durch nicht verfassungsgemäße oder gewaltsame Mittel, einschließlich politisch motivierter Gewalt und Terrorismus, ein (Kaufmann et al., 2010, S. 4). (Für die Indikatoren der Weltbank werden Daten zur Wahrnehmung von Governance aus einer Vielzahl an Quellen gewonnen und in Clustern organisiert, die mit dem Thema des jeweiligen Indikators korrespondieren. Auf jedes dieser Cluster wird eine statistische Methode, das Unobserved Components Model angewandt, um (1) die Daten der verschiedenen Quellen zu standardisieren, (2) einen aggregierten Indikator zu erzeugen, der ein gewichteter Durchschnitt der zugrunde liegenden Variablen ist, und (3) Fehlermargen dieser Indikatoren zu konstruieren“ (Kaufmann et al., 2010, S. 2). „Die Daten reflektieren die Ansichten zu Governance von Befragungsteilnehmern und öffentlichen, privaten sowie NGO Sektor Experten weltweit“ (Kaufman et al., 2010). Alle Indizes reichen von -2,5 bis 2,5. Es werden die Indikatoren des Ziellandes des Jahres der Transaktionsankündigung verwendet. Für eine detaillierte Diskussion der Konstruktion der Weltbank-Indikatoren siehe Kaufman et al. (2010).) RECHT „Der Indikator der Weltbank Rule of Law fängt die Wahrnehmung bezüglich des Ausmaßes ein, in dem Agenten Vertrauen in die Regeln einer Gesellschaft haben und diese befolgen. Mit den Regeln einer Gesellschaft sind insbesondere die Qualität der Vertragsdurchsetzung von Eigentümerrechten, der Polizei und Gerichten sowie die Wahrscheinlichkeit von Gewalt und Kriminalität gemeint“ (Kaufman et al., 2010, S. 4). KONKORR „Der Indikator der Weltbank Controll of Corruption spiegelt die Wahrnehmung bezüglich des Ausmaßes wider, indem verhindert wird, dass öffentliche Macht für private Bereicherung genutzt wird“ (Kaufman et al., 2010, S. 4). LEISTUNGSB Leistungsbilanz als Anteil des BIP des Ziellandes im Jahr der Transaktionsankündigung RESERVE Gesamtbestand an Währungsreserven im Verhältnis zum Gesamtbestand externer Schulden des Ziellandes im Jahr der Transaktionsankündigung WACHSTUM Wirtschaftswachstum des Ziellandes im Jahr der Transaktionsankündigung Übersicht Variablen Tabelle 48 gibt eine Übersicht über alle in dieser Untersuchung genutzten Variablen und deren Operationalisierung. Als Quelle für die makroökonomischen und institutionellen Variablen dienen Datensätze der Weltbank. Für die restlichen Variablen wurde auf Daten von Thomson Reuters Financial SDC zurückgegriffen. Tabelle 48: 4.2 Erfolgsdeterminanten bei M&A 115 Ergebnisse Regression CAR Im Folgenden werden die Ergebnisse der Querschnittsregressionen mit den CAR der Käuferunternehmen vorgestellt. Die zu untersuchenden Intervalle wurden in Abschnitt 4.1 festgelegt. Ferner werden aufgrund der Simulationsstudienergebnisse von Campbell et al. (2010) die CAR verwendet, die auf Basis des Marktmodells mit nationalen Indizes in lokaler Währung berechnet wurden. Ergebnisse Regression CAR Südafrika Unabhängige Variablen: Modell 1 Modell 2 Modell 3 Modell 4 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE -0,003 1 -0,4530 -0,003 6 -0,3350 0,0004 0,0371 0,0011 0,1396 NÄHE 0,0100 1,6927* 0,0137 1.8133* 0,0120 1,3905 0,0084 0,9940 FOKUS 0,0093 1,5989 0,0098 1,3572 0,0048 0,5609 0,0120 1,4154 ZEIT 0,0017 0,3023 0,0027 0,3688 0,0035 0,4407 ZIEL- ROHST 0,0076 1,0411 0,0116 1,2252 0,0075 0,7460 -0,000 1 -0,0094 ZIELPRI- VAT -0,000 1 -0,0171 WERTTRA -0,003 1 -0,6868 PREIS/ BUCH -0,000 3 -0,7102 N 943 604 551 487 Kor.R^2 0,0029 0,0027 -0,0031 -0,0021 F-Test 1,6766 1,3265 0,6559 0,7475 DW 1,9180 1,8301 1,8113 1,9684 Regression mit CAR [-5;0]-Südafrika (1) Tabelle 49 zeigt die Ergebnisse der ersten 4 Regressionsmodelle für die Stichprobe Südafrika. Für die Variablen NÄHE, FOKUS, ZEIT und ZIELROHST, die in Modell 1 aufgenommen wurden, sind Daten für alle Transaktionen verfügbar. Diesem vollbesetzten Modell werden weitere Variablen hinzugefügt. 4.3 4.3.1 Tabelle 49: 4 Ergebnisse 116 In den Modellen 2, 3 und 4 werden dem Grundmodell 1 die Variablen ZIELPRIVAT, WERTTRA und PREIS/BUCH hinzugefügt. (Modell 4 beinhaltet nicht die Variable ZEIT, weil Daten für das Kurs- Buchwert-Verhältnis der Käuferunternehmen erst ab 2002 verfügbar waren und damit die Variable ZEIT eine Konstante wird.) Insgesamt zeigt sich, dass lediglich der Koeffizient der Variablen NÄHE in den Modellen 1 und 2 signifikant positiv ist zum 10%-Niveau. Unabhängige Variablen: Modell 5 Modell 6 Modell 7 Modell 8 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE 0,0143 1,4826 -0,000 2 -0,0221 -0,001 1 -0,1289 0,0048 0,5468 NÄHE 0,0107 1,7529* 0,0126 2,0484** 0,0070 1,0284 0,0150 2,0536** FOKUS 0,0097 1,6013 0,0091 1,4730 0,0137 2,0290** 0,0095 1,2779 ZEIT -0,000 1 -0,0128 -0,003 6 -0,5206 0,0029 0,4370 -0,006 5 -0,7791 ZIEL- ROHST 0,0062 0,8199 0,0118 1,5290 0,0047 0,5563 0,0072 0,8088 KONTROL- LE -0,000 2 -2,4565** VER- SCHUL- DUNG 0,0000 0,1760 CASH -0,001 0 -0,1461 GEWINNM -0,008 6 -2,5519** N 898 787 749 612 Kor.R^2 0,0077 0,0049 0,0017 0,0149 F-Test 2,3978** 1,7813 1,2514 2,8541** DW 1,9441 1,8473 1,9392 1,8190 Regression mit CAR [-5;0]-Südafrika (2) In den Modellen 5 bis 8, die in Tabelle 50 dargestellt sind, werden zusätzlich die Variablen KONTROLLE, VERSCHULDUNG, CASH und GEWINNM aufgenommen. Dabei ergibt sich auch in den Modellen 5, 6 und 8 positive Signifikanz des Koeffizienten der Variable NÄHE zum 10%-, 5 %- bzw. 5%-Niveau. Das Modell 7 zeigt einen positiven zum Tabelle 50: 4.3 Ergebnisse Regression CAR 117 5%-Niveau signifikanten Zusammenhang der Variablen FOKUS mit den CAR der Käuferunternehmen an. Die Aufnahme der Variablen KONTROLLE und GEWINNM in den Modellen 5 bzw. 8 ergibt eine negative Signifikanz dieser Variablen zum 5%-Niveau. Außerdem werden diese Modelle nach F-Test zum 5%-Niveau als signifikant ausgewiesen. Unabhängige Variablen: Modell 9 Modell 10 Modell 11 Modell 12 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE -0,025 6 -1,0667 0,0063 0,4438 -0,008 7 -0,5552 0,0075 0,4793 NÄHE 0,0218 1,0544 0,0137 1,9422* 0,0131 1,8576* 0,0136 1,9365* FOKUS 0,0042 0,2140 0,0146 2,1078** 0,0145 2,1023** 0,0146 2,1169** ZEIT 0,0184 0,9876 -0,012 7 -1,0541 -0,006 7 -0,7000 -0,013 6 -1,0615 ZIEL- ROHST 0,0127 0,5244 0,0102 1,1969 0,0105 1,2297 0,0103 1,2085 PREMIUM 0,0003 4,0589*** POLSTAB 0,0031 0,1167 RECHT 0,0705 1,1287 KONKORR -0,003 7 -0,1991 N 6743 745 745 745 Kor.R^2 0,1817 0,0084 0,0101 0,0085 F-Test 3,9305*** 2,2653** 2,5212** 2,2706** DW 2,0379 1,9192 1,9234 1,9187 Regression mit CAR [-5;0]-Südafrika (3) In Tabelle 51 sind die Ergebnisse der Aufnahme institutioneller Variablen dargestellt. Außerdem zeigt die Tabelle die Regressionsergebnisse bei Aufnahme der Variablen PREMIUM in Modell 9. Dieses Modell ist nach dem F-Test hochsignifikant und weist die Variable Premium als hochsignifikant positiv aus. In den Modellen 10 bis 12 wird NÄHE zum 10%- und FOKUS zum 5%-Niveau signifikant positiv angezeigt. Tabelle 51: 43 Die geringe Stichprobengröße ist in diesem und weiter unten folgenden Regressionsmodellen darauf zurückzuführen, dass für die Variable Premium nur in sehr begrenztem Umfang Daten vorliegen. 4 Ergebnisse 118 Die Modelle 10 bis 12 sind nach F-Statistik signifikant zum 5%-Niveau. Für die institutionellen Variablen, die in den Modellen 10 bis 12 dem Grundmodell hinzugefügt werden, kann kein signifikanter Zusammenhang mit den CAR der Käuferunternehmen gefunden werden. Unabhängige Variablen: Modell 13 Modell 14 Modell 15 Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTANTE -0,0036 -0,5257 -0,0114 -0,9875 0,0014 0,1780 NÄHE 0,0099 1,6811* 0,0108 1,7833* 0,0096 1,6323 FOKUS 0,0092 1,5855 0,0095 1,5873 0,0095 1,6293 ZEIT -0,0015 -0,1869 -0,0039 -0,4539 0,0022 0,3858 ZIELROHST 0,0077 1,0514 0,0091 1,2159 0,0077 1,0507 LEISTUNGSB -0,0010 -0,5549 RESERVE 0,0003 0,8489 WACHSTUM -0,0018 -1,0654 N 943 915 943 Kor.R^2 0,0021 0,0036 0,0030 F-Test 1,4018 1,6565 1,5685 DW 1,9187 1,9199 1,9203 Regression mit CAR [-5;0]-Südafrika (4) Letztlich zeigt Tabelle 52, zu welchen Ergebnissen die Aufnahme makroökonomischer Variablen führt. In den Modellen 13 bis 15 wird das vollbesetzte Ausgangsmodell um die Variablen LEISTUNGSB, RESER- VE bzw. WACHSTUM ergänzt. Modell 13 und 14 weisen die Variable NÄHE zum 10%-Niveau als signifikant positiv aus. Die makroökonomischen Variablen hängen nicht signifikant mit den CAR der Käuferunternehmen zusammen. Diskussion der Ergebnisse-Regression CAR Südafrika Zusammenfassend kann festgestellt werden, dass für die Stichprobe Südafrika signifikant positive Zusammenhänge zwischen den CAR der Käuferunternehmen und den Variablen NÄHE, FOKUS und PREMI- UM gefunden werden können, während sich signifikant negative Zu- Tabelle 52: 4.3.2 4.3 Ergebnisse Regression CAR 119 sammenhänge mit den CAR der Käuferunternehmen für die Variablen GEWINNM und KONTROLLE ergeben. Die gefundene Signifikanz der Variablen NÄHE, FOKUS und KONTROLLE legt nahe, die in der theoretischen Rechtfertigung für die Aufnahme dieser Variablen angeführte Komplexität des Integrationsprozesses als für die Stichprobe Südafrika relevantes Moment zu betrachten. Mit den Variablen NÄHE, FOKUS und KONTROLLE stehen alle Variablen in einem statistisch signifikanten Zusammenhang mit den CAR der Käuferunternehmen, deren Aufnahme der Komplexität des Integrationsprozesses bei M&A geschuldet war, und dies mit den zur Bestätigung der Bedeutung dieser Komplexität nötigen Vorzeichen. Die vom Kapitalmarkt antizipierte bzw. erwartete Komplexität des Integrationsprozesses scheint hier also eine nicht zu unterschätzende Auswirkung auf den Shareholder Value gehabt zu haben. Zur Erklärung dieses Umstands können, insbesondere im Falle der Stichprobe Südafrika, die oben vorgestellten deskriptiven Statistiken herangezogen werden. Diesen zufolge konzentrierte sich die Investitionstätigkeit über M&A in Afrika zu Beginn auf das Zielland Südafrika. Dementsprechend könnten die Kapitalmarktteilnehmer diese Investitionen mit „Pioniercharakter“, wenn sie zusätzlich durch einen komplexen Integrationsprozess eine Herausforderung darstellten, kritisch bewertet haben. Die Variablen GEWINNM und VERSCHULDUNG wurden u.a. betrachtet, um zu untersuchen, ob ein über die Käuferunternehmen eventuell verbesserter Zugang zu Fremdkapital durch die M&A für die afrikanischen Zielunternehmen, die wiederum unter einem erschwerten Zugang zu Fremdkapital leiden, positiv vom Kapitalmarkt wahrgenommen werden könnte. Da die Variable GEWINNM jedoch als mit den CAR der Käuferunternehmen negativ zusammenhängend ausgewiesen wird, erscheint es sinnvoller anzunehmen, dass der Kapitalmarkt bei Unternehmen mit hohen Gewinnmargen eine Motivation entsprechend der oben beschriebenen Free-Cash-Flow-Problematik vermutete. Auch dies gilt wieder umso mehr, als „exotische“ Investitionen, wie solche in Südafrika, anfänglich bei gleichzeitig hohem Free- Cash-Flow als irrational motiviert angesehen worden sein könnten. 4 Ergebnisse 120 Letztlich stimmt das Vorzeichen der Variable PREMIUM mit dem in der theoretischen Rechtfertigung für den afrikanischen Kontext angenommenen überein. Die Argumentation zu Erfolgsdeterminanten von M&A im Allgemeinen, nach der ein Premium als ein Hinweis auf Hybris des Managements beim M&A-Vorhaben wahrgenommen werden kann, wirkt in diesem Zusammenhang unzutreffend, und man könnte annehmen, dass über Preisaufschläge bei schwachen institutionellen Rahmenbedingungen der Zugang zu besonders profitablen Investitionsmöglichkeiten gesichert wurde. Für die institutionellen und makroökonomischen Variablen konnten, entgegen der Ergebnisse anderer Studien zu M&A in sich entwickelnden Volkswirtschaften, keine signifikanten Zusammenhänge gefunden werden. Allerdings ist diese Untersuchung nach Kenntnisstand des Autors bislang die einzige, die M&A mit Zielland Südafrika unter Berücksichtigung makroökonomischer und institutioneller Rahmenbedingungen gesondert betrachtet. Es existieren daher keine „deutlichen“ empirischen Hinweise auf die Bedeutung dieser Variablen bei M&A mit Zielland Südafrika. Das korrigierte Bestimmtheitsmaß der Regressionsmodelle überschreitet lediglich in Modell 9 bei Aufnahme der Variable PREMIUM 1,49 %, welche in Modell 8 erreicht werden. Insgesamt könnten üblicherweise in der M&A-Literatur verwendete Erfolgsdeterminanten für den Fall Südafrikas eine niedrige Erklärungskraft besitzen. Auch die speziell für diese Untersuchung mit afrikanischen Zielländern gewählten Variablen, welche beispielsweise institutionelle und makroökonomische Rahmenbedingungen operationalisieren sollten und aus der Literatur zu M&A in sich entwickelnden Volkswirtschaften (auch afrikanischen) abgeleitet sind, führen bei Aufnahme in die Modelle zu niedrigen korrigierten Bestimmtheitsmaßen. Der Erfolg von M&A mit Südafrika als Zielland könnte ein besonderer Fall sein, der weitere bzw. neue Erklärungsansätze erfordert. 4.3 Ergebnisse Regression CAR 121 Ergebnisse Regression CAR Nordafrika Unabhängige Variablen: Modell 1 Modell 2 Modell 3 Modell 4 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE 0,0173 2,9901*** 0,0139 1,4651 -0,005 1 -0,4765 -0,001 9 -0,3196 NÄHE -0,001 9 -0,3986 -0,000 4 -0,0584 0,0065 0,8959 0,0007 0,1095 FOKUS 0,0018 0,3924 0,0029 0,4543 0,0068 0,9547 0,0049 0,8449 ZEIT -0,014 7 -2,8806** * -0,009 3 -1,2658 -0,002 6 -0,3662 ZIEL- ROHST -0,001 0 -0,1644 -0,001 8 -0,2054 0,0009 0,1185 0,0061 0,8484 ZIELPRI- VAT -0,003 2 -0,5163 WERTTRA 0,0046 1,3816 PREIS/ BUCH 0,0002 0,1570 N 260 156 134 136 Kor.R^2 0,0199 -0,0161 -0,0135 -0,0185 F-Test 2,3116* 0,5077 0,6461 0,3879 DW 1,9323 2,0774 2,3185 1,8413 Regression mit CAR [-1;0]-Nordafrika (1) In Tabelle 53 werden die Ergebnisse der Regression mit den CAR [-1;0] der Stichprobe Nordafrika gezeigt. Modell 1 bildet auch für die Stichprobe Nordafrika ein Grundmodell vollbesetzter Variablen, dem weitere Variablen hinzugefügt werden. In Modell 1 ist der Koeffizient der Variable ZEIT hochsignifikant negativ, und dieses Modell ist nach F-Test signifikant zum 10%-Niveau. Modell 4 nimmt die Variable PREIS/BUCH auf. Da Daten für die Variable PREIS/BUCH erst ab dem Jahr 2002 vorliegen, wird die Variable ZEIT in diesem Modell zu einer Konstanten und wurde daher nicht in Modell 4 aufgenommen44. 4.3.3 Tabelle 53: 44 Selbiges gilt immer dann, wenn ZEIT nicht aufgenommen wird. 4 Ergebnisse 122 Unabhängige Variablen: Modell 5 Modell 6 Modell 7 Modell 8 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE 0,0189 2,8573*** 0,0184 2,5782** 0,0167 2,3219** 0,0372 4,5706*** NÄHE -0,003 1 -0,6236 0,0006 0,1013 -0,005 1 -0,8099 -0,004 2 -0,7593 FOKUS 0,0016 0,3245 0,0005 0,1044 0,0014 0,2393 -0,006 9 -1,2884 ZEIT -0,014 2 -2,7089** * -0,016 9 -2,6639** * -0,013 1 -1,9568* -0,027 3 -3,7744*** ZIEL- ROHST -0,001 7 -0,2671 -0,000 2 -0,0260 -0,001 9 -0,2319 0,0027 0,4249 KONTROL- LE 0,0000 -0,2371 VER- SCHUL- DUNG 0,0007 0,9173 CASH 0,0080 1,3043 GEWINNM -0,009 9 -2,4165** N 251 213 184 169 Kor.R^2 0,0144 0,0161 0,0103 0,0847 F-Test 1,7316 1,6955 1,3794 4,1105*** DW 1,9576 2,0001 1,8484 1,6970 Regression mit CAR [-1;0]-Nordafrika (2) In Tabelle 54 sind die Ergebnisse der Modelle 5 bis 8 dargestellt, die durch Hinzufügen der Variablen KONTROLLE, VERSCHULDUNG, CASH und GEWINMM zum Grundmodell gebildet wurden. In den Modellen 5, 6 und 8 ist die Variable ZEIT hochsignifikant negativ und in Modell 7 zum 10%-Niveau signifikant negativ. Von den dem Grundmodell hinzugefügten Variablen ist GEWINNM signifikant negativ zum 5%-Niveau. Ferner ist Modell 8, in dem die Variable GE- WINNM aufgenommen wurde, nach F-Test hochsignifikant. Tabelle 54: 4.3 Ergebnisse Regression CAR 123 Unabhängige Variablen: Modell 9 Modell 10 Modell 11 Modell 12 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE -0,015 6 -0,7533 0,0184 2,4729** 0,0181 2,4282** 0,0166 2,0905** NÄHE 0,0156 0,8810 -0,001 4 -0,2794 -0,002 0 -0,4116 -0,002 0 -0,4019 FOKUS 0,0072 0,4154 -0,001 4 -0,2055 -0,001 0 -0,2006 -0,000 8 -0,1548 ZEIT 0,0009 0,0582 -0,012 9 -1,7595* -0,014 3 -2,0010** -0,016 2 -2,2776** ZIEL- ROHST -0,011 2 -0,3070 0,0014 0,2258 0,0013 0,2121 0,0010 0,1636 PREMIUM 0,0002 1,0656 POLSTAB 0,0034 0,6893 RECHT 0,0023 0,8011 KONKORR -0,005 0 -0,5196 N 18 211 211 211 Kor.R^2 -0,2435 0,0037 0,0017 0,0027 F-Test 0,3342 1,1542 1,0698 1,1121 DW 2,1722 1,9911 2,0014 2,1121 Regression mit CAR [-1;0]-Nordafrika (3) In Tabelle 55 sind die Ergebnisse von Regressionen veranschaulicht, die dem Grundmodell die institutionellen Variablen POLSTAB, RECHT sowie KONKORR hinzufügen (Modell 10 bis 12) und darüber hinaus die Variable PREMIUM (Modell 9). Es zeigt sich, dass keine dieser institutionellen Variablen signifikant mit den CAR der Käuferunternehmen zusammenhängt. In den Modellen 10, 11 und 12 wird die Variable ZEIT zum 10%-, 5 %- bzw. 5%-Niveau signifikant negativ ausgewiesen. Tabelle 55: 4 Ergebnisse 124 Unabhängige Variablen: Modell 13 Modell 14 Modell 15 Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTANTE 0,0145 2,4711** 0,0182 3,0540*** 0,0164 2,6448*** NÄHE -0,0026 -0,5351 -0,0033 -0,6611 -0,0021 -0,4379 FOKUS 0,0011 0,2298 0,0024 0,5005 0,0022 0,4720 ZEIT -0,0129 -2,4764** -0,0148 -2,7800*** -0,0152 -2,9386*** ZIELROHST 0,0019 0,3108 -0,0003 -0,0472 -0,0017 -0,2804 LEISTUNGSB -0,0005 -1,3837 RESERVE 0,0000 -1,0835 WACHSTUM 0,0003 0,7151 N 238 238 259 Kor.R^2 0,0140 0,0268 0,0213 F-Test 1,6710 2,3050** 2,1212* DW 2,1364 1,9550 1,9519 Regression mit CAR [-1;0]-Nordafrika (4) Die letzten Regressionen, deren Ergebnisse Tabelle 56 zeigt, befassen sich mit dem Einfluss der makroökonomischen Variablen LEIS- TUNGSB, RESERVE und WACHSTUM. Für diese Variablen können keine signifikanten Zusammenhänge mit den CAR der Käuferunternehmen gefunden werden. Die Variable ZEIT wird in den Modellen 14 und 15, die jeweils eine der makroökonomischen Variablen dem Grundmodell hinzufügen, als hochsignifikant negativ ausgewiesen. In Modell 13 ist die Variable Zeit signifikant negativ zum 5%-Niveau. Ferner sind die Modelle 14 und 15 nach F-Test signifikant zum 5%- bzw. 10%- Niveau. Exkurs III: Ergebnisse Ziel Energieindustrie Nordafrika Die theoretische Rechtfertigung für die Aufnahme der Variablen ZIEL- ROHST leitete sich aus dem Umstand ab, dass in der Gesamtstichprobe von M&A mit afrikanischen Zielländern die Zielindustrie Basismaterialien am häufigsten vertreten war und daher in diesem Bereich profitable Investitionsmöglichkeiten vermutet wurden. Für die Stichproben Südafrika und subsaharisches Afrika entfallen im Einzelnen betrachtet ebenfalls die meisten M&A auf die Zielindustrie Basismate- Tabelle 56: 4.3.4 4.3 Ergebnisse Regression CAR 125 rialien. In der Stichprobe Nordafrika zielten jedoch die M&A am häufigsten auf die Zielindustrie Energie ab. Daher wird eine weitere Regression durchgeführt, die dem Grundmodell die Variable ZIELENER- GIE hinzufügt und den Wert 1 annimmt, wenn die Industrie des Zielunternehmens von Thomson Reuters Financial SDC makroindustriell unter „Energie“ verzeichnet ist, und andernfalls den Wert 0. Unabhängige Variablen: Modell 16 Koeff. T-Test KONSTANTE 0,0136 2,2072** NÄHE 0,0000 0,0079 FOKUS 0,0010 0,2144 ZEIT -0,0128 -2,4619** ZIELROHST 0,0013 0,2056 ZIELENERGIE 0,0112 1,7232* N 260 Kor.R^2 0,0274 F-Test 2,4574** DW 2,0843 Ziel Energieindustrie Tabelle 57 zeigt die Ergebnisse der Aufnahme der Variable ZIELENER- GIE. Es ergibt sich eine negative Signifikanz der Variable ZEIT zum 5%-Niveau, während die Variable ZIELENERGIE signifikant positiv zum 10%-Niveau ist. Das Modell ist nach F-Statistik signifikant zum 5%-Niveau. Diskussion der Ergebnisse-Regression CAR Nordafrika Insgesamt können signifikant negative Zusammenhänge der Variablen ZEIT und GEWINNM mit den CAR der Käuferunternehmen dokumentiert werden. Ein signifikant positiver Zusammenhang dieser CAR kann dagegen mit der Variable ZIELENERGIE gefunden werden. Die Vermutung, dass die Konzentration von M&A in der Energieindustrie in Nordafrika ein Hinweis auf profitable Investitionsmöglichkeiten in diesem Bereich sein könnte und daher auch Investitionen in diesem Bereich vom Kapitalmarkt positiv wahrgenommen werden, er- Tabelle 57: 4.3.5 4 Ergebnisse 126 scheint angesichts des positiven Zusammenhangs der Variable ZIEL- ENERGIE mit den CAR der Käuferunternehmen berechtigt. Der negative Zusammenhang zwischen der Variablen ZEIT und den CAR der Käuferunternehmen kann als Hinweis auf die Gültigkeit der theoretischen Rechtfertigung für die Aufnahme dieser Variable gesehen werden. Dieser folgend hätte der Konsolidierungsprozess in der Stichprobe Nordafrika dazu geführt, dass es im Laufe der Zeit zu einem Rückgang an besonders attraktiven Investitionsmöglichkeiten kommt. Die negative Assoziation der Variable GEWINNM mit den CAR der Käuferunternehmen widerspricht der theoretischen Rechtfertigung für die Aufnahme dieser Variablen im afrikanischen Kontext, nach der diese Variable einen verbesserten Zugang zu Fremdkapital für die Zielunternehmen indizieren könnte, da bei Zutreffen dieser Vermutung ein positiver Zusammenhang vorliegen müsste. Daher erscheint auch für die Stichprobe Nordafrika die Annahme einer Free- Cash-Flow-Problematik zur Erklärung des gefundenen Zusammenhangs der CAR mit dieser Variable sinnvoller. Für alle makroökonomischen und institutionellen Variablen können keine signifikanten Zusammenhänge mit den CAR der Käuferunternehmen gefunden werden. Da nach Kenntnisstand des Autors keine weiteren Studien mit Fokus auf M&A in dieser Region unter Berücksichtigung dieser Variablen existieren, gibt es also bislang auch keine „deutlichen“ empirischen Hinweise auf die Bedeutung dieser Variablen für M&A in dieser Region. Letztlich ergeben sich auch für die Stichprobe Nordafrika niedrige korrigierte Bestimmtheitsmaße, welche außer in Modell 8 und 9 2,74% nicht überschreiten, die in Modell 16 erreicht werden. Insgesamt könnten die aus der M&A-Literatur abgeleiteten und in dieser Untersuchung verwendete Erfolgserklärungsansätze auch bei M&A mit Zielland Nordafrika eine niedrige Erklärungskraft besitzen. 4.3 Ergebnisse Regression CAR 127 Ergebnisse Regression CAR subsaharisches Afrika Unabhängige Variablen: Modell 1 Modell 2 Modell 3 Modell 4 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE 0,0125 0,9537 0,0348 1,2893 -0,000 7 -0,0351 0,0116 1,1409 NÄHE -0,007 5 -0,4846 -0,007 9 -0,3860 -0,000 9 -0,0309 -0,017 5 -0,8098 FOKUS -0,006 4 -0,6789 -0,017 1 -1,2956 -0,012 1 -0,8102 -0,008 9 -0,7802 ZEIT -0,005 1 -0,4377 -0,030 3 -1,5994 0,0215 1,2619 ZIEL- ROHST 0,0348 3,7735*** 0,0315 2,1975** 0,0288 2,1051** 0,0309 2,8049*** ZIELPRI- VAT 0,0079 0,3647 WERTTRA -0,004 4 -0,7090 PREIS/ BUCH -0,001 0 -0,8968 N 408 189 200 230 Kor.R^2 0,0265 0,0213 0,0145 0,0226 F-Test 3,7724*** 1,8200 1,5845 2,3217* DW 2,0521 1,8691 2,3041 2,1696 Regression mit CAR [-1;0]-subsaharisches Afrika (1) Die Tabelle 58 zeigt die Ergebnisse der ersten Untersuchungen des Zusammenhangs zwischen den CAR der Käuferunternehmen und potenziellen Erfolgsfaktoren für die Stichprobe subsaharisches Afrika. Wie für die vorangegangenen Untersuchungen wurde ein vollbesetztes Grundmodell (Modell 1) gebildet, dem weitere Variablen hinzugefügt werden. In den Modellen 1 und 4 ist die Variable ZIELROHST hochsignifikant positiv und in Modell 2 und 3 zum 5%-Niveau signifikant positiv. Außerdem sind die Modelle 1 und 4 nach F-Test signifikant zum 1%- bzw. 10%-Niveau. 4.3.6 Tabelle 58: 4 Ergebnisse 128 Unabhängige Variablen: Modell 5 Modell 6 Modell 7 Modell 8 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE 0,0160 1,1092 0,0212 1,8829* 0,0238 1,4715 0,0100 1,0245 NÄHE -0,006 1 -0,4017 -0,005 4 -0,4353 -0,012 0 -0,6858 -0,003 4 -0,2694 FOKUS -0,008 2 -0,9105 -0,009 2 -1,2772 -0,003 8 -0,3548 0,0004 0,0521 ZEIT 0,0059 0,5246 -0,010 5 -1,0099 -0,016 4 -1,1241 -0,008 6 -0,9742 ZIEL- ROHST 0,0311 3,4939*** 0,0146 1,8358* 0,0459 4,3088*** 0,0074 1,0251 KONTROL- LE -0,000 2 -1,5074 VER- SCHUL- DUNG -0,005 0 -4,5670** * CASH -0,009 9 -0,8718 GEWINNM 0,0002 0,2818 N 391 306 335 232 Kor.R^2 0,0229 0,0712 0,0468 -0,0123 F-Test 2,8259** 5,6740*** 4,2792*** 0,4399 DW 2,0944 2,0369 2,0899 2,1038 Regression mit CAR [-1;0]-subsaharisches Afrika (2) Tabelle 59 dokumentiert die Ergebnisse der Hinzunahme weiterer Variablen zum Grundmodell zur Erklärung der CAR der Käuferunternehmen für die Stichprobe subsaharisches Afrika. Modell 5 bis 8 fügen dem Grundmodell die Variablen KONTROLLE, VERSCHULDUNG, CASH und GEWINNM hinzu. Es zeigt sich dabei, dass auch in den Modellen 5, 6 und 7 die Variable ZIELROHST signifikant positiv ist zum 1%-, 10%- bzw. 1%-Niveau. Außerdem werden die Modelle 6 und 7 durch den F-Test als hochsignifikant ausgewiesen und das Modell 5 zum 5%-Niveau als signifikant angezeigt. In Modell 6, das dem Grundmodell die Variable Verschuldung hinzufügt, ist der Koeffizient dieser Variable hochsignifikant negativ. Tabelle 59: 4.3 Ergebnisse Regression CAR 129 Unabhängige Variablen: Modell 9 Modell 10 Modell 11 Modell 12 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE -0,010 0 -1,4699 0,0346 1,6811* 0,0307 1,4624 0,0327 1,5479 NÄHE 0,0065 0,3551 -0,007 6 -0,4775 -0,008 1 -0,5102 -0,008 5 -0,5364 FOKUS 0,0258 1,6739 -0,010 5 -1,0236 -0,010 4 -1,0148 -0,010 3 -1,0054 ZEIT -0,023 1 -1,2331 -0,022 6 -1,2039 -0,023 1 -1,2316 ZIEL- ROHST -0,007 8 -0,6586 0,0334 3,3973*** 0,0341 3,4597*** 0,0339 3,4192*** PREMIUM -0,000 1 -0,4758 POLSTAB 0,0016 0,3534 RECHT -0,004 3 -0,6385 KONKORR -0,001 5 -0,2120 N 6 336 336 336 Kor.R^2 0,3199 0,0271 0,0279 0,0268 F-Test 1,5879 2,8632** 2,9222** 2,8470** DW 1,4106 1,8549 1,8548 1,8549 Regression mit CAR [-1;0]-subsaharisches Afrika (3) Tabelle 60 illustriert die Ergebnisse der Berücksichtigung institutioneller Variablen in den Modellen 10 bis 12 und des Hinzufügens der Variable PREMIUM zum Grundmodell in Modell 9. In den Modellen 10 bis 12 hängt die Variable ZIELROHST hochsignifikant positiv mit den CAR der Käuferunternehmen zusammen. Die Modelle 10 bis 12 sind nach F-Test zum 5%-Niveau signifikant. Die institutionellen Variablen hängen nicht signifikant mit den CAR der Käuferunternehmen zusammen. Tabelle 60: 4 Ergebnisse 130 Unabhängige Variablen: Modell 13 Modell 14 Modell 15 Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTANTE 0,0160 1,1334 0,0098 0,7655 0,0149 1,0979 NÄHE -0,0078 -0,4956 -0,0071 -0,4956 -0,0077 -0,4961 FOKUS -0,0088 -0,8836 -0,0013 -0,1310 -0,0065 -0,6894 ZEIT -0,0074 -0,5865 -0,0052 -0,4425 -0,0047 -0,3966 ZIELROHST 0,0389 3,9988*** 0,0266 2,7449*** 0,0351 3,7789*** LEISTUNGSB -0,0001 -0,1667 RESERVE 0,0000 0,5920 WACHSTUM -0,0005 -0,6164 N 344 300 406 Kor.R^2 0,0347 0,0140 0,0248 F-Test 3,4625*** 1,8503 3,0562** DW 2,0260 2,0811 2,0579 Regression mit CAR [-1;0]-subsaharisches Afrika (4) Tabelle 61 zeigt die Ergebnisse der Aufnahme makroökonomischer Variablen in den Modellen 13 bis 15. Die Variable ZIELROHST ist in all diesen Modellen hochsignifikant positiv. Nach F-Test ist das Modell 13 hochsignifikant und Modell 15 signifikant zum 5%-Niveau. Ein signifikanter Zusammenhang der makroökonomischen Variablen mit den CAR der Käuferunternehmen kann nicht gefunden werden. Exkurs IV: Ergebnisse Interaktionseffekte subsaharisches Afrika Barbopoulos et al. (2014) können in ihrer Untersuchung einen positiven Zusammenhang zwischen den CAR der Käuferunternehmen und einem Interaktionsterm feststellen, der das Produkt aus einer Variablen für die Ressourcenorientierung und einer Variablen für die Korruption im Zielland ist. Für die Stichprobe subsaharisches Afrika kann ein signifikanter Zusammenhang der Variable ZIELROHST mit den CAR der Käuferunternehmen beobachtet werden, und es stellt sich die Frage, ob dieser Zusammenhang eventuell durch das Ausmaß an Korruption im Zielland moderiert wird. Tabelle 61: 4.3.7 4.3 Ergebnisse Regression CAR 131 Daher wird im Folgenden eine zusätzliche Regression durchgeführt, die einen Interaktionsterm beinhaltet, der das Produkt aus den Variablen ZIELROHST und KONKORR ist. Die Regressionsgleichung nimmt die folgende Form an: (28) CARi t1t2 ) = β0 +βZIELROHST∗XZIELROHST +βKORRUPT∗XKORRUPTT  +βZIELROHST∗KORRUPT XZIELROHST∗XKORRUPT  +(…)+ βjXij  + εi  (t1t2 ) Wegen der Hinzunahme des Interaktionsterms wird in diesem Fall zusätzlich mittels Varianzinflationsfaktoren auf Multikollinearität geprüft. Unabhängige Variablen: Modell 16 VarianzinflationsfaktorenKoeff. T-Test KONSTANTE 0,0326 1,5287 NÄHE -0,0085 -0,5331 1,047 FOKUS -0,0103 -1,0044 1,077 ZEIT -0,0231 -1,2302 1,025 ZIELROHST 0,0342 2,7490*** 1,674 KORR -0,0017 -0,1992 1,470 ZIELROHST (x) KON- KORR 0,0006 0,0403 1,892 N 336 Kor.R^2 0,0239 F-Test 2,3652** DW 1,8514 Regression mit CAR [-1;0]-Interaktionsterm InTabelle 62 sind die Ergebnisse einer Regression dargestellt, die oben beschriebenen Interaktionsterm dem Modell 12 hinzufügt. In dem so gewonnenen Modell 16 ist die Variable ZIELROHST hochsignifikant positiv, während der Interaktionsterm nicht als signifikant angezeigt wird. Die F-Teststatistik des Modells 16 ist signifikant zum 5%-Niveau. Tabelle 62: 4 Ergebnisse 132 Diskussion der Ergebnisse-Regression CAR subsaharisches Afrika In der Stichprobe subsaharisches Afrika kann ein signifikant positiver Zusammenhang zwischen der Variablen ZIELROHST und den CAR der Käuferunternehmen beobachtet werden, während die Variable VERSCHULDUNG signifikant negativ mit diesen zusammenhängt. Damit scheinen im Fall der Stichprobe subsaharisches Afrika zwei Variablen einen Erklärungsbeitrag zu leisten, deren Aufnahme mit theoretischen Rechtfertigungen begründet wurde, die dem afrikanischen Kontext geschuldet waren. Wie vermutet, kann die Konzentration von Investitionen im Bereich Basismaterialien als Hinweis auf besonders profitable Investitionsmöglichkeiten in diesem Bereich gesehen werden, die auch vom Kapitalmarkt so wahrgenommen werden. Die Variable VERSCHULDUNG sollte als ein Indikator dafür dienen, ob die Käuferunternehmen eventuell durch M&A den afrikanischen Unternehmen dabei helfen könnten, den erschwerten Zugang zu Fremdkapital in Afrika zu überwinden und so profitable Investitionsmöglichkeiten zu erschließen, was wiederum positiv vom Kapitalmarkt wahrgenommen werden könnte. Die negative Signifikanz der Variable kann als ein Hinweis auf die Relevanz dieses Moments gesehen werden. Für die makroökonomischen und institutionellen Variablen können keine signifikanten Zusammenhänge gefunden werden. Damit existiert auch für die Region subsaharisches Afrika im Einzelnen betrachtet kein deutlicher empirischer Hinweis auf die Bedeutung dieser Variablen, da bislang nach Kenntnisstand keine gesonderten Untersuchungen für diese Region durchgeführt wurden. Die korrigierten Bestimmtheitsmaße sind auch in der Stichprobe subsaharisches Afrika niedrig und überschreiten außer in Modell 9, welches eine sehr geringe Stichprobengröße aufweist (N=6), nicht den Wert 7,12%, der in Modell 6 erreicht wird. Es könnten auch für M&A mit Zielländern in der Region subsaharisches Afrika, der allgemeinen, aber auch der entwicklungslandspezifischen M&A-Literatur entlehnte Erfolgserklärungsansätze eine geringe Erklärungskraft haben. 4.3.8 4.3 Ergebnisse Regression CAR 133 Ergebnisse langfristiger Erfolgsuntersuchungen In diesem Abschnitt werden die Ergebnisse der langfristigen Erfolgsuntersuchungen präsentiert. Für jede Stichprobe werden zunächst die Ergebnisse vorgestellt, die sich nach dem BHAR-Ansatz ergeben, und anschließend die Ergebnisse nach dem CTP-Ansatz. Ergebnisse lange Frist Südafrika Intervall (Jahre) BHAAR (%) t-Test p-Wert SA-t-Test p-Wert N 0,5 -0,25 -0,1919 0,8478 -0,1407 0,8881 931 1 -1,85 -1,0813 0,2796 -1,0386 0,2990 910 2 -5,49 -1,8368* 0,0662 -1,6693* 0,0951 846 3 -3,82 -0,7899 0,4296 -0,7105 0,4774 783 Ergebnisse BHAR-Ansatz-Südafrika In Tabelle 63 sind die Ergebnisse des BHAR-Ansatzes in Anwendung auf die Stichprobe Südafrika dargestellt. Die BHAAR des zwei Jahre45 andauernden Intervalls werden nach t-Test und SA-t-Test als zum 10%-Niveau signifikant negativ ausgewiesen und liegen bei -5,49%. Die BHAAR der restlichen Intervalle sind nicht signifikant. T=6 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0011 2,0532** 0,0409 2,0742** 0,0389 Beta 0,5289 7,6217*** 0,0000 7,3341*** 0,0000 SMB 0,6650 4,4203*** 0,0000 3,9050*** 0,0001 HML 0,0477 0,3195 0,7495 0,2587 0,7960 N 931 Kor.R^2 0,0151 Ergebnisse CTP-Ansatz-Südafrika-Intervall 0,5 Jahr 4.4 4.4.1 Tabelle 63: Tabelle 64: 45 Ca. 250 Handelstage entsprechen einer einjährigen Betrachtungsdauer 4 Ergebnisse 134 T=12 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0008 1,9899** 0,0475 1,9936** 0,0471 Beta 0,5276 10,8459*** 0,0000 9,9559*** 0,0000 SMB 0,4222 4,0588*** 0,0001 3,6716*** 0,0003 HML 0,1024 0,9808 0,3275 0,8764 0,3815 N 910 Kor.R^2 0,0238 Ergebnisse CTP-Ansatz-Südafrika-Intervall 1 Jahr T=24 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0008 2,6469*** 0,0086 2,6417*** 0,0087 Beta 0,5463 14,3086*** 0,0000 13,0367*** 0,0000 SMB 0,4795 5,8813*** 0,0000 5,7607*** 0,0000 HML -0,0235 -0,2886 0,7731 -0,2836 0,7769 N 846 Kor.R^2 0,0362 Ergebnisse CTP-Ansatz-Südafrika-Intervall 2 Jahre T=36 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0005 2,3152** 0,0213 2,3085** 0,0217 Beta 0,5343 18,2341*** 0,0000 16,0063*** 0,0000 SMB 0,4208 6,7396*** 0,0000 6,1148*** 0,0000 HML -0,0480 -0,7674 0,4434 -0,7211 0,4714 N 783 Kor.R^2 0,0583 Ergebnisse CTP-Ansatz-Südafrika-Intervall 3 Jahre In Tabelle 64 bis Tabelle 67 sind die Ergebnisse des Robustheitstests für die Stichprobe Südafrika mittels CTP-Ansatz dargestellt. Das Jensens Alpha ist in allen Intervallen positiv und signifikant. Dabei erfolgt der Ausweis von Signifikanz für das halb-, ein- und dreijährige Intervall zum 5%-Niveau und zum 1%-Niveau für das zweijährige Intervall. Tabelle 65: Tabelle 66: Tabelle 67: 4.4 Ergebnisse langfristiger Erfolgsuntersuchungen 135 Diskussion der Ergebnisse-lange Frist Südafrika Insgesamt deuten die Ergebnisse nach dem BHAR-Ansatz auf ein neutrales Ergebnis in der langen Frist hin, da sich die BHAAR in den meisten Intervallen nach beiden Testverfahren nicht signifikant von Null unterscheiden. In den beiden Fällen, in denen negative Signifikanz der BHAAR angezeigt wird, erfolgt dieser Ausweis nur „knapp“. Das Jensens Alpha wird ausnahmslos als signifikant positiv angezeigt. Da einerseits nach Kenntnisstand des Autors Simulationsstudien zu Vielländer-M&A-Studien in der langen Frist bislang noch nicht durchgeführt worden sind und andererseits die M&A-Literatur auch bei Studien zu einzelnen Ländern kein „überlegenes“ Verfahren identifizieren kann („Despite extensive literature, there is still no clear winner in a horse race‘‘ (Kothari & Warner, 2007, S. 23)), muss dieses Ergebnis mit Vorsicht interpretiert werden. Man könnte es, beide Verfahren berücksichtigend, als tendenziell neutral bis positiv deuten, womit es sich von der in der allgemeinen Literatur festgestellten Dichotomie des Erfolgs abheben würde. Die besondere Eigenschaft der hier untersuchten M&A, südafrikanische Unternehmen zum Ziel zu haben, führt nicht dazu, dass von der Dichotomie des Erfolgs, die in der allgemeinen M&A-Forschung beobachtet werden kann, in deutlicher Weise abgewichen wird. Die Tatsache, dass Südafrika eine der am weitesten entwickelten Volkswirtschaften in Afrika ist, könnte hier als Erklärungsansatz in Betracht gezogen werden. Die in der Literaturübersicht vorgestellten Untersuchungen von Triki & Chun (2011) deuten, den hier vorgefundenen Ergebnissen für M&A mit Zielland Südafrika nach BHAR-Ansatz widersprechend, auf positive Auswirkungen für die Käuferunternehmen in der langen Frist hin. Die Untersuchung von Triki & Chun (2011) verwendet ebenfalls den BHAR- und den CTP-Ansatz. Aufgrund der Uneindeutigkeit des Ergebnisses wird für die Stichprobe Südafrika auf eine Untersuchung potenzieller Erfolgsdeterminanten in der langen Frist verzichtet. 4.4.2 4 Ergebnisse 136 Ergebnisse lange Frist Nordafrika Intervall (Jahre) BHAAR (%) t-Test p-Wert SA-t-Test p-Wert N 0,5 4,05 1,3171 0,1878 1,6962* 0,0899 248 1 15,19 1,4297 0,1528 2,1110** 0,0348 240 2 12,50 1,4559 0,1454 1,9673** 0,0492 213 3 22,84 2,0429** 0,0411 2,9338*** 0,0033 195 Ergebnisse BHAR-Ansatz-Nordafrika Für die Stichprobe Nordafrika zeigt Tabelle 68 die Ergebnisse des BHAR-Ansatzes. Die BHAAR der ein halbes sowie ein, zwei und drei Jahre andauernden Intervalle sind nach SA-t-Test alle signifikant positiv zum 10%-, 5%-, 5%- bzw. 1%-Niveau und liegen bei 4,05%, 15,19%, 12,50% und 22,84%. Der t-Test weist außerdem die BHAAR des drei Jahre andauernden Intervalls als zum 5%-Niveau signifikant aus. T=6 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0018 2,4501** 0,0149 2,4877** 0,0134 Beta 0,4932 6,2191*** 0,0000 6,2509*** 0,0000 SMB 0,0149 0,0765 0,9391 0,0754 0,9399 HML 0,2747 1,5274 0,1277 1,2958 0,1961 N 248 Kor.R^2 0,0369 Ergebnisse CTP-Ansatz-Nordafrika-Intervall 0,5 Jahr T=12 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0042 1,2417 0,2153 1,2487 0,2127 Beta 0,5598 1,4869 0,1381 6,1967*** 0,0000 SMB 1,2424 1,3784 0,1691 1,1394 0,2555 HML 0,3559 0,4335 0,6650 1,9605* 0,0509 N 240 Kor.R^2 0,0012 Ergebnisse CTP-Ansatz-Nordafrika-Intervall 1 Jahr 4.4.3 Tabelle 68: Tabelle 69: Tabelle 70: 4.4 Ergebnisse langfristiger Erfolgsuntersuchungen 137 T=24 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0029 1,1752 0,2409 1,1734 0,2416 Beta 0,5207 1,8582* 0,0641 7,5527*** 0,0000 SMB 0,7931 1,2294 0,2199 1,0373 0,3004 HML 0,3446 0,5823 0,5608 2,7098*** 0,0071 N 213 Kor.R^2 0,0012 Ergebnisse CTP-Ansatz-Nordafrika-Intervall 2 Jahre T=36 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0024 1,0644 0,2880 1,0586 0,2907 Beta 0,5252 2,0889** 0,0376 8,5686*** 0,0000 SMB 0,6655 1,1572 0,2481 0,9990 0,3186 HML 0,2380 0,4495 0,6534 2,1912** 0,0292 N 195 Kor.R^2 0,0013 Ergebnisse CTP-Ansatz-Nordafrika-Intervall 3 Jahre Tabelle 69 bis Tabelle 72 zeigen die Ergebnisse des Robustheitstests mittels CTP-Ansatz. Nach dem CTP-Ansatz sind zwar die Jensens Alphas aller Intervalle positiv, doch nur die des halbjährigen Intervalls, dessen Ergebnisse in Tabelle 69 dargestellt sind, sind signifikant. Der t- Test und der t-Test nach White (1980) (fortlaufend White-t-Test) weisen das Jensens Alpha dieses Intervalls als zum 5%-Niveau signifikant aus. Diskussion der Ergebnisse-lange Frist Nordafrika Die Ergebnisse für die Stichprobe Nordafrika deuten in der langen Frist nach beiden Verfahren auf ein positives Ergebnis für die Käuferunternehmen hin. Es könnten daher weitere im Zusammenhang mit den in dieser Region getätigten M&A stehende Ereignisse die Erwartungen des Kapitalmarkts über das Ereignisfenster hinaus positiv beeinflusst haben. Dieses Ergebnis ist ungewöhnlich, wenn man Literaturübersichtsstudien zum Erfolg von M&A im Allgemeinen betrachtet, Tabelle 71: Tabelle 72: 4.4.4 4 Ergebnisse 138 und es scheint, als ob die beispielsweise in der Literaturübersichtsstudie von Tuch & O’Sullivan (2007) dokumentierten tendenziell negativen und neutralen Ergebnisse nicht auf diese besondere Zielregion übertragen werden können. Um zu ermitteln, welche Faktoren das aus Sicht der allgemeinen Erfolgsforschung zu M&A ungewöhnliche Ergebnis verursacht haben könnten, werden Querschnittsregressionen mit den BHAR des halbjährigen Intervalls durchgeführt, da diese signifikant positiv waren und das Jensens Alpha dieses Intervalls ebenfalls. Ergebnisse lange Frist subsaharisches Afrika Intervall (Jahre) BHAAR (%) t-Test p-Wert SA-t-Test p-Wert N 0,5 4,53 2,2798** 0,0226 2,5091** 0,0121 395 1 5,99 1,6797* 0,0930 1,8756* 0,0607 375 2 20,30 1,8601* 0,0629 2,5159** 0,0119 341 3 18,00 1,8357* 0,0664 2,1727** 0,0298 267 Ergebnisse BHAR-Ansatz-subsaharisches Afrika Für die Stichprobe subsaharisches Afrika werden die BHAAR aller Intervalle nach allen Testverfahren als signifikant und positiv ausgewiesen. Die BHAAR liegen für das halb-, ein-, zwei- und dreijährige Intervall bei 4,53%, 5,99%, 20,30% bzw. 18,00% und sind nach SA-t-Test zum 5%-,10%-, 5%- bzw. 5%-Niveau signifikant. Der einfache t-Test weist die BHAAR des halbjährigen Intervalls zum 5%-Niveau als signifikant aus. Alle anderen Intervalle werden vom t-Test als signifikant zum 10%-Niveau angezeigt. 4.4.5 Tabelle 73: 4.4 Ergebnisse langfristiger Erfolgsuntersuchungen 139 T=6 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0050 3,8907*** 0,0001 3,8919*** 0,0001 Beta 0,8287 5,2826*** 0,0000 4,8796*** 0,0000 SMB 0,8908 2,4417** 0,0152 2,8308*** 0,0050 HML 0,3437 0,8734 0,3831 0,8827 0,3781 N 395 Kor.R^2 0,0138 Ergebnisse CTP-Ansatz-subsaharisches Afrika-Intervall 0,5 Jahr T=12 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0034 3,7488*** 0,0002 3,7601*** 0,0002 Beta 0,6569 5,8399*** 0,0000 5,4089*** 0,0000 SMB 0,5034 1,9933** 0,0471 2,2493** 0,0252 HML 0,3703 1,3513 0,1776 1,3032 0,1935 N 375 Kor.R^2 0,0123 Ergebnisse CTP-Ansatz-subsaharisches Afrika-Intervall 1 Jahr T=24 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0020 3,4746*** 0,0006 3,4624*** 0,0006 Beta 0,5723 8,1408*** 0,0000 6,8861*** 0,0000 SMB 0,2017 1,2837 0,2003 1,2993 0,1948 HML 0,3291 1,9500* 0,0521 1,5939 0,1120 N 341 Kor.R^2 0,0188 Ergebnisse CTP-Ansatz-subsaharisches Afrika-Intervall 2 Jahre Tabelle 74: Tabelle 75: Tabelle 76: 4 Ergebnisse 140 T=36 Monate Koeff. t-Test p-Wert White-t-Test p-Wert Alpha 0,0022 3,5696*** 0,0004 3,514*** 0,0005 Beta 0,5913 8,1543*** 0,0000 7,1903*** 0,0000 SMB 0,3153 1,9551* 0,0515 1,9620* 0,0507 HML 0,1446 0,8684 0,3858 0,6665 0,5056 N 267 Kor.R^2 0,0186 Ergebnisse CTP-Ansatz-subsaharisches Afrika-Intervall 3 Jahre Für die Stichprobe subsaharisches Afrika sind die Ergebnisse des Robustheitstests mit CTP-Ansatz in Tabelle 74 bis Tabelle 77 dargestellt. Die Jensens Alphas aller Intervalle sind nach beiden Testverfahren ausnahmslos hochsignifikant. Diskussion der Ergebnisse-lange Frist subsaharisches Afrika Für die Stichprobe subsaharisches Afrika liefern die verschiedenen Ansätze zur Untersuchung des Erfolgs in der langen Frist relativ eindeutige Hinweise auf positive Auswirkungen der M&A auf den Shareholder Value der Käuferunternehmen. Es können für alle betrachteten Intervalle unabhängig vom gewählten Erfolgsmessungs- und Testverfahren signifikant positive Erfolgsmessgrößen gefunden werden. Demnach zu urteilen, ist es über das Ereignisfenster hinaus nicht zu einer Korrektur der positiven Erwartungshaltung des Kapitalmarkts bezüglich der Auswirkungen der M&A gekommen, und im Zusammenhang mit den M&A stehende Ereignisse bzw. Informationen scheinen für eine weitere positive Entwicklung des Shareholder Values gesorgt zu haben. Dies ist, wie aus den in der Literaturübersicht vorgestellten Studien hervorgeht, ein ungewöhnliches Ergebnis, weil M&A in der langen Frist im Allgemeinen mit neutralen oder negativen Auswirkungen auf den Shareholder Value assoziiert zu sein scheinen. Die positiven Ergebnisse des halbjährigen Intervalls sind, den Signifikanzniveaus nach zu urteilen, am eindeutigsten verschieden von Null. Diese werden daher verwendet, um zu untersuchen, welche Faktoren das Zustandekommen der Ergebnisse beeinflusst haben könnten. Tabelle 77: 4.4.6 4.4 Ergebnisse langfristiger Erfolgsuntersuchungen 141 Ergebnisse Regression BHAR In diesem Abschnitt werden die Ergebnisse der Querschnittsregression mit den BHAR der Stichproben Nordafrika und subsaharisches Afrika vorgestellt. Ergebnisse Regression BHAR Nordafrika Unabhängige Variablen: Modell 1 Modell 2 Modell 3 Modell 4 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE -0,103 0 -0,0324 0,4718 0,0902 3,1089 0,5759 -1,910 5 -0,6386 NÄHE -0,348 3 -0,1341 0,1842 0,0507 0,4805 0,1299 3,3983 1,0412 FOKUS 1,2972 0,5172 0,9311 0,2598 -0,173 0 -0,0480 1,6287 0,5672 ZEIT -0,351 1 -0,1273 -3,973 5 -0,9969 -3,657 7 -1,0281 ZIEL- ROHST 0,9603 0,2969 -5,545 1 -1,1678 4,3628 1,1147 -0,500 4 -0,1434 ZIELPRI- VAT 5,3247 1,5608 WERTTRA -0,068 7 -0,0408 PREIS/ BUCH 0,5693 0,8744 N 248 150 132 130 Kor.R^2 -0,0141 -0,0054 -0,0217 -0,0161 F-Test 0,1425 0,8391 0,4444 0,4895 DW 2,0347 2,1803 2,1276 1,8088 Ergebnisse Regression mit BHAR-Nordafrika-0,5 Jahr (1) Die Resultate der ersten vier Regressionen mit den BHAR des halbjährigen Intervalls für die Stichprobe Nordafrika sind in Tabelle 78 dargestellt. Die Modelle 1 bis 4 ergeben keine signifikanten Zusammenhänge. 4.5 4.5.1 Tabelle 78: 4 Ergebnisse 142 Unabhängige Variablen: Modell 5 Modell 6 Modell 7 Modell 8 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE -2,198 4 -0,6172 0,1579 0,0494 -0,252 3 -0,0670 1,3070 0,2700 NÄHE -0,328 6 -0,1231 1,2457 0,4941 -2,244 6 -0,6939 -1,138 9 -0,3409 FOKUS 0,6499 0,2522 1,8110 0,7611 1,2366 0,4048 -0,490 1 -0,1530 ZEIT -0,966 3 -0,3456 -0,478 2 -0,1689 0,6651 0,1934 0,5931 0,1381 ZIEL- ROHST 0,5061 0,1556 -0,401 2 -0,1405 -1,795 7 -0,4257 0,7937 0,2102 KONTROL- LE 0,0548 1,6320 VER- SCHUL- DUNG -0,208 8 -0,6074 CASH -0,875 9 -0,2819 GEWINNM -1,959 2 -0,8038 N 239 205 174 165 Kor.R^2 -0,0065 -0,0194 -0,0225 -0,0260 F-Test 0,6911 0,2226 0,2397 0,1686 DW 2,0477 1,9667 2,2789 2,2724 Ergebnisse Regression mit BHAR-Nordafrika-0,5 Jahr (2) Die Regressionen unter Aufnahme der Variablen KONTROLLE, VER- SCHULDUNG, CASH und GEWINNM, die Tabelle 79 zeigt, legen ebenfalls keine signifikanten Zusammenhänge offen. Tabelle 79: 4.5 Ergebnisse Regression BHAR 143 Unabhängige Variablen: Modell 9 Modell 10 Modell 11 Modell 12 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE -16,71 07 -2,2073 1,5201 0,3787 1,1923 0,2983 1,9784 0,4606 NÄHE 15,946 7 2,3813 -0,309 3 -0,1140 -0,766 5 -0,2879 -0,740 3 -0,2769 FOKUS -1,269 1 -0,1979 0,0797 0,0305 -0,006 3 -0,0024 0,0448 0,0171 ZEIT 9,4203 1,5995 0,0919 0,0233 0,6170 0,1610 -0,718 0 -0,1872 ZIELROHST 29,443 9 2,2513 1,9037 0,5824 1,9803 0,6076 1,9163 0,5841 PREMIUM 0,1374 1,5822 POLSTAB 2,2517 0,8557 RECHT 6,9351 1,4048 KONKORR 211 2,2469 0,4293 N 17 211 211 Kor.R^2 0,3090 -0,0177 -0,0116 -0,0204 F-Test 2,4309 0,2711 0,5201 0,1612 DW 1,8345 2,0839 2,1043 2,0760 Ergebnisse Regression mit BHAR-Nordafrika-0,5 Jahr (3) Die Aufnahme der Variable PREMIUM und der institutionellen Variablen POLSTAB, RECHT und KONKORR in das Grundmodell, deren Ergebnis in Tabelle 80 dargestellt ist, legt ebenfalls keine signifikanten Zusammenhänge mit den BHAR offen. Tabelle 80: 4 Ergebnisse 144 Unabhängige Variablen: Modell 13 Modell 14 Modell 15 Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTANTE -0,4541 -0,1385 0,4158 -0,1385 -0,4951 -0,1456 NÄHE -0,9439 -0,3516 -1,3603 -0,3516 -0,3945 -0,1513 FOKUS 1,6903 0,6529 1,3264 0,6529 1,3846 0,5494 ZEIT -0,5957 -0,2080 0,2697 -0,2080 -0,3973 -0,1423 ZIELROHST 1,2555 0,3751 1,5138 0,3751 0,7478 0,2288 LEISTUNGSB -0,3224 -1,5778 RESERVE -0,0042 -1,5778* WACHSTUM 0,1111 0,4591 N 236 236 247 Kor.R^2 -0,0078 -0,0054 -0,0173 F-Test 0,6345 0,7494 0,1640 DW 2,0283 2,0821 2,0650 Ergebnisse Regression mit BHAR-Nordafrika-0,5 Jahr (4) In Modell 14 ist die Variable RESERVE signifikant negativ zum 10%- Niveau. Tabelle 81: 4.5 Ergebnisse Regression BHAR 145 Exkurs V: Ergebnisse Ziel Energieindustrie Nordafrika (lange Frist) Unabhängige Variablen: Modell 16 Koeff. T-Test KONSTANTE -1,0097 -0,3014 NÄHE 0,1582 0,0594 FOKUS 1,0434 0,4129 ZEIT 0,0815 0,0291 ZIELROHST 1,5713 0,4740 ZIELENERGIE 3,0408 0,8531 N 248 Kor.R^2 -0,0152 F-Test 0,2594 DW 2,0795 Ziel Energieindustrie (lange Frist) Auch für die lange Frist wird untersucht, ob M&A mit Zielunternehmen in der Energieindustrie etwas zur Erklärung der gefundenen Ergebnisse beitragen können. In Modell 16, das Tabelle 82 illustriert, ist dem Grundmodell die Variable ZIELENERGIE hinzugefügt worden. Dieses Vorgehen liefert keine weiteren signifikanten Zusammenhänge. 4.5.2 Tabelle 82: 4 Ergebnisse 146 Diskussion der Ergebnisse-Regression BHAR Nordafrika Insgesamt kann für die Stichprobe „lediglich“ ein signifikant negativer Zusammenhang mit der Variablen RESERVE gefunden werden. Die Tatsache, dass auch die Variable LEISTUNGSB, die ein weiterer Indikator für ökonomische Stabilität sein sollte, einen p-Wert von 0,1160 hat und ebenfalls negativ mit den BHAR zusammenhängt, deutet neben der gefundenen Signifikanz von RESERVE darauf hin, dass dieser Zusammenhang nicht zufällig zustande gekommen ist und M&A in der Zielregion Nordafrika im zeitlichen Umfeld ökonomischer Instabilität vom Kapitalmarkt positiv bewertet worden sind. Untersuchungen der Entwicklung der Volatilität könnten Aufschluss über die Entwicklung des Rendite-Risiko-Profils bei Investitionen in dieser Region im zeitlichen Umfeld von drohenden Zahlungsausfällen von Staaten geben. In der langen Frist ergeben sich für die Stichprobe Nordafrika in allen Regressionsmodellen außer Modell 9, das einen sehr geringen Stichprobenumfang aufweist (N=17), negative korrigierte Bestimmtheitsmaße. Es könnten für M&A mit Zielländern in der Region Nordafrika auch in der langen Frist, allgemeine in der M&A-Literatur verwendete, aber auch im Kontext von Entwicklungsländern eingesetzte Erfolgserklärungsansätze eine niedrige Erklärungskraft besitzen. 4.5.3 4.5 Ergebnisse Regression BHAR 147 Ergebnisse Regression BHAR subsaharisches Afrika Unabhängige Variablen: Modell 1 Modell 2 Modell 3 Modell 4 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE 5,2106 1,0107 11,951 8 0,9670 12,866 0 1,3849 3,5814 0,8661 NÄHE 4,4717 0,7505 2,8164 0,3002 -6,902 5 -0,4941 0,6589 0,0832 FOKUS 0,8931 0,2428 0,6720 0,1092 2,0847 0,2989 -1,395 0 -0,3317 ZEIT -4,648 4 -1,0063 -8,024 1 -0,9254 -6,351 6 -0,7931 ZIEL- ROHST 5,3227 1,4720 13,679 8 2.0389** 7,4988 1,1800 4,0595 0,9931 ZIELPRI- VAT -5,953 5 -0,6004 WERTTRA -4,706 2 -1,6183 PREIS/ BUCH -0,286 9 -0,3072 N 395 183 196 224 Kor.R^2 -0,0010 0,0035 0,0105 -0,0127 F-Test 0,9048 1,1294 1,4123 0,3026 DW 1,9115 2,0108 2,0646 1,6755 Ergebnisse Regression mit BHAR-subsaharisches Afrika-0,5 Jahr (1) Das Resultat der Regressionen mit den BHAR der Stichprobe subsaharisches Afrika ist in Tabelle 83 dargestellt. Die Variable ZIELROHST wird in Modell 2 als zum 5%-Niveau signifikant positiv ausgewiesen. 4.5.4 Tabelle 83: 4 Ergebnisse 148 Unabhängige Variablen: Modell 5 Modell 6 Modell 7 Modell 8 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE 8,7659 1,4294 1,4873 0,3382 3,1524 0,7003 2,1481 0,5436 NÄHE 5,6553 0,8897 3,0085 0,6255 5,9583 1,2562 5,7314 1,1176 FOKUS 1,1095 0,2910 1,8838 0,6580 -0,093 3 -0,0311 0,7688 0,2765 ZEIT -4,695 3 -0,9841 0,4286 0,1053 -1,068 8 -0,2652 0,2623 0,0730 ZIEL- ROHST 5,8190 1,5399 -0,357 3 -0,1136 -0,044 7 -0,0151 -3,507 1 -1,1755 KONTROL- LE -0,058 8 -1,1180 VER- SCHUL- DUNG -0,406 5 -0,9429 CASH 0.0439 0,0140 GEWINNM -0,344 1 -1,5164 N 379 298 323 226 Kor.R^2 -0,0006 -0,0116 -0,0104 -0,0029 F-Test 0,9529 0,3204 0,3346 0,8707 DW 1,9356 1,9471 1,8469 1,8888 Ergebnisse Regression mit BHAR-subsaharisches Afrika-0,5 Jahr (2) Tabelle 84 zeigt die Ergebnisse der Aufnahme der Variablen KON- TROLLE, VERSCHULDUNG, CASH und GEWINNM in das Grundmodell. In den Modellen 5 bis 8 werden keine der unabhängigen Variablen als signifikant angezeigt. Tabelle 84: 4.5 Ergebnisse Regression BHAR 149 Unabhängige Variablen: Modell 9 Modell 10 Modell 11 Modell 12 Koeff. T-Test Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTAN- TE 14,582 5 2,6505 16,549 4 1,9684** 15,398 6 1,7912* 16,097 4 1,8631* NÄHE 25,223 3 1,7111 5,9599 0,9149 5,5360 0,8558 5,4987 0,8487 FOKUS -19,00 37 -1,5230 2,4324 0,5818 2,4774 0,5923 2,4622 0,5878 ZEIT -16,47 19 -2,1487** -16,42 11 -2,1385** -16,56 28 -2,1585** ZIEL- ROHST -3,583 3 -0,3754 4,4996 1,1175 4,7192 1,1700 4,6087 1,1362 PREMIUM 0,1124 0,9987 POLSTAB 1,0788 0,5894 RECHT -0,883 2 -0,3213 KONKORR 0,0856 0,0289 N 6 336 336 336 Kor.R^2 0,0801 0,0080 0,0073 0,0070 F-Test 1,1088 1,5400 1,4900 1,4691 DW 1,4106 1,9580 1,9524 1,9533 Ergebnisse Regression mit BHAR-subsaharisches Afrika-0,5 Jahr (3) Die Auswirkung der Aufnahme institutioneller Variablen und der Variable PREMIUM in die Regressionsanalyse dokumentiert Tabelle 85. Die Variable ZEIT wird in den Modellen 10 bis 12 zum 5 %-Niveau als signifikant negativ ausgewiesen. Ansonsten liefern die Modelle keine Hinweise auf weitere erklärende Faktoren, da keine der Variablen als signifikant ausgewiesen wird. Tabelle 85: 4 Ergebnisse 150 Unabhängige Variablen: Modell 13 Modell 14 Modell 15 Koeff. T-Test Koeff. T-Test Koeff. T-Test KONSTANTE 6,4472 1,0690 -1,3021 -0,3106 5,4539 1,0227 NÄHE 4,5027 0,6806 4,8478 1,0568 4,4081 0,7368 FOKUS 1,1512 0,2736 1,6189 0,5264 0,8496 0,2293 ZEIT -5,0519 -0,9380 2,4373 0,6395 -4,8524 -1,0313 ZIELROHST 5,1334 1,2598 -0,3024 -0,0974 5,2302 1,4351 LEISTUNGSB 0,2565 1,5745 RESERVE 0,0001 0,0157 WACHSTUM 0,0111 0,0333 N 342 297 393 Kor.R^2 0,0019 -0,0108 -0,0037 F-Test 1,1331 0,3677 0,7131 DW 1,9730 1,7749 1,9101 Ergebnisse Regression mit BHAR-subsaharisches Afrika- 0,5 Jahr (4) Den Versuch, Erklärungsansätze für den längerfristigen Erfolg der Käuferunternehmen für die Stichprobe subsaharisches Afrika mittels makroökonomischer Variablen zu finden, dokumentiert Tabelle 86. Dabei wird deutlich, dass die in dieser Untersuchung genutzten makroökonomischen Variablen nicht signifikant mit den BHAR der Käuferunternehmen zusammenhängen. Diskussion der Ergebnisse-Regression BHAR subsaharisches Afrika In der Stichprobe subsaharisches Afrika kann ein signifikant positiver Zusammenhang der BHAR mit der Variablen ZIELROHST gefunden werden. Signifikant negativ hängt hingegen die Variable ZEIT mit den BHAR zusammen. Der signifikant negative Zusammenhang mit der Variable ZEIT deutet darauf hin, dass in der langen Frist eine fortgeschrittene Konsolidierung der Zielmärkte negative Auswirkungen auf den Erfolg der M&A hat. Dass die Dummy-Variable ZEIT für Transaktionen, die nach dem Jahr 2001 stattfanden, den Wert 1 annimmt und andernfalls Tabelle 86: 4.5.5 4.5 Ergebnisse Regression BHAR 151 den Wert 0 und es außerdem ab dem Jahr 2001 weltweit zu einem Anstieg von Rohstoffpreisen kam, lässt den Hinweis auf die Rolle von Konsolidierungsprozessen noch deutlicher wirken. Die Vermutung, dass die Konzentration von Investitionen im Bereich Basismaterialien auf eine profitable Anlagemöglichkeit in dieser Industrie hindeuten könnte, kann aufgrund der Signifikanz der Variable auch für die lange Frist bestätigt werden. Mikroindustrielle Klassifizierung N % Chemie 7 5,38 Konstruktionsmaterialien 12 9,23 Container & Verpackung 5 3,85 Metalle & Bergbau 104 80,00 Papier- und Förstereiprodukte 2 1,54 Summe 130 100 Mikroindustrielle Klassifizierung von M&A im Bereich Basismaterialien Um ein besseres Verständnis der makroindustriellen Klassifizierung Basismaterialien von Transaktionen nach Thomson Reuters Financials SDC zu erlangen, sind in Tabelle 87 die mikroindustriellen Klassifizierungen nach Thomson Reuters Financials SDC zur Makroindustrie Basismaterialien für die Stichprobe subsaharisches Afrika aufgeführt. Es wird deutlich, dass mit 80,00% die ganz überwiegende Mehrheit der Transaktionen mit Makrozielindustrie Basismaterialien auf die Mikroindustrien Metalle & Bergbau entfällt. Gefolgt wird diese von den Mikroindustrien Konstruktionsmaterialien und Chemie mit 9,23% bzw. 5,38%. Insgesamt deuten die Ergebnisse darauf hin, dass der Kapitalmarkt M&A im subsaharischen Afrika, die auf die Metall- und Bergbauindustrie abzielen, positiv bewertet. Die korrigierten Bestimmtheitsmaße der Regressionen überschreiten außer in Modell 9, das eine sehr geringe Stichprobengröße aufweist (N=6), nicht den Wert 1,05%, der in Modell 3 erreicht wird. Auch in der langen Frist könnten in der allgemeinen M&A-Literatur und im Kontext sich entwickelnder Volkswirtschaften verwendete Erfolgser- Tabelle 87: 4 Ergebnisse 152 klärungsansätze für M&A in der Zielregion subsaharisches Afrika eine niedrige Erklärungskraft besitzen. Logistische Regression Abschnitt 4.6, der die letzte empirische Analyse dieser Untersuchung beinhaltet, befasst sich mit der Frage nach Determinanten, die das Zustandekommen von M&A mit afrikanischen Zielländern beeinflusst haben könnten. Determinanten des Zustandekommens von M&A Nach Kenntnisstand des Autors existieren zu dieser Fragestellung bislang keine Untersuchungen. Studien, die Einflussfaktoren auf das Zustandekommen von M&A untersuchen, fokussieren sich häufig auf M&A in einem Zielmarkt einer entwickelten Volkswirtschaft, woraus Schwierigkeiten im Hinblick auf die Übertragbarkeit der in diesen Studien gewonnenen Ergebnisse folgen. Außerdem spielen, wie bei den oben aufgeführten Studien zu Erfolgsdeterminanten von M&A, institutionelle Faktoren in diesen eine untergeordnete Rolle, und es stehen unternehmensspezifische Einflussfaktoren auf das Zustandekommen von M&A im Vordergrund (Zhang & Ebbers, 2010, S. 104). Eine Literaturübersicht zu diesen Studien bieten beispielsweise Wong & O’Sullivan (2001). Für das Zustandekommen von M&A in Afrika könnten jedoch die in dieser Untersuchung betrachteten institutionellen Rahmenbedingungen, wie beispielsweise Korruption, einen Einfluss auf die Wahrscheinlichkeit des Abschlusses von M&A haben. Daher werden die in dieser Untersuchung durchgeführten logistischen Regressionen die oben vorgestellten institutionellen Variablen POLSTAB, KONKORR und RECHT als unabhängige Variablen aufnehmen. Es könnte einerseits das Zustandekommen von M&A positiv beeinflussen, wenn das Ausmaß an Kontrolle von Korruption gering ist, da diese ebendann Anwendung beim Abschluss von Transaktionen finden könnte. Andererseits können eine hohe politische Stabilität und ein verlässliches Rechtssystem im Laufe des M&A-Prozesses potenziell 4.6 4.6.1 4.6 Logistische Regression 153 auftretende Unsicherheiten reduzieren, sodass sich die Wahrscheinlichkeit eines Abschlusses erhöht. Eine weitere Reduktion von Unsicherheiten, die im Laufe des M&A-Prozesses auftreten, könnte durch makroökonomische Stabilität in den afrikanischen Zielländern bewirkt werden. Daher werden die Variablen LEISTUNGSB und RESER- VE in die Betrachtung mitaufgenommen. Ferner könnte es bei einer schlechten wirtschaftlichen Entwicklung des Ziellandes einfacher sein, Unternehmen in diesen zu erwerben, weshalb die Variable WACHS- TUM in die logistische Regression miteinfließt. Es existieren zwar nach Kenntnisstand des Autors keine Untersuchungen zur Abschlusswahrscheinlichkeit von M&A mit Afrikabezug, doch für die Ableitung weiterer relevanter Variablen existieren jüngere Untersuchungen, die länderübergreifend(zielseitig) angelegt sind und teilweise auch sich entwickelnde Volkswirtschaften betrachten. Dabei können für bestimmte Variablen, bei gleicher Operationalisierung, in mehreren dieser Studien hochsignifikante Zusammenhänge mit der Wahrscheinlichkeit des Zustandekommens von M&A dokumentiert werden. So können für die oben vorgestellte Variable ZIELPRIVAT Zhang & He (2014) sowie Desislava, Sahib & Witteloostuijn (2010) einen positiven Zusammenhang mit der Wahrscheinlichkeit des Zustandekommens von M&A feststellen. Als theoretische Rechtfertigung für die Aufnahme dieser Variable führen Desislava et al. (2010, S. 233) an, dass Publikumsgesellschaften in größerem Ausmaß in allen Phasen der Handelsaktivität stärkeren Regulierungen unterworfen sind. Für die Variable CASH finden Muehlfeld, Sahib & Van Witteloostuijnn (2012) und Desislava et al. (2010) einen positiven Zusammenhang mit der Abschlusswahrscheinlichkeit von M&A. Dieser Zusammenhang wird von Muehlfeld et al. (2012, S. 951) damit erklärt, dass, wie oben erläutert, Barzahlungen einerseits als eine Signalisierung von Unterbewertung wahrgenommen werden können und andererseits ein Konflikt bei Bewertungsfragen vermieden werden kann. Somit existieren deutliche Hinweise auf Relevanz für das Zustandekommen von M&A in sich entwickelnden Volkswirtschaften von zwei Variablen, die auch in der Literatur zu Determinanten von Kapitalmarktreaktionen bei M&A regelmäßig Berücksichtigung finden (bspw. Schief et al., 2015). Letztlich könnte der anscheinend besonders positiven Wahrnehmung von M&A im Rohstoffbereich in Afrika eine sehr starke Nachfrage 4 Ergebnisse 154 nach ebensolchen Investitionen gegenüberstehen, die den Zugang zu bzw. den Abschluss von M&A dieser Art erschwert. Daher wird die Variable ZIELROHST in den logistischen Regressionen Berücksichtigung finden. Aus demselben Grund wird für M&A mit nordafrikanischen Zielländern zusätzlich die Variable ZIELENERGIE berücksichtigt. Ergebnisse logistische Regression Unabhängige Variablen: Stichprobe Südafrika- Log Stichprobe Nordafrika- Log Stichprobe subsaharisches Afrika-Log Koeff. Wald Stat. Koeff. Wald Stat. Koeff. Wald Stat. ZIELPRIVAT 0,8982 84,4178*** 1,7104 76,8662*** 1,2498 42,1835*** CASH -0,1311 1,6673 1,6141 52,8017*** 0,3253 2,6599 ZIELROHST -0,0470 0,1608 -0,4055 2,9666* -0,3989 4,9812** POLSTAB -0,3597 0,6466 0,6379 3,2573* -0,2149 2,4309 RECHT 0,8816 1,1534 -0,6475 0,6938 0,3548 1,7090 KONKORR -0,2078 0,4864 0,3170 0,3923 -0,3070 1,0240 LEISTUNGSB 0,0497 1,1478 0,0035 0,0218 0,0010 0,0241 RESERVE 0,0061 1,5040 -0,0002 0,7786 -0,0002 0,1297 WACHSTUM 0,0603 2,1748 -0,0806 1,9512 -0,0106 0,4783 ZIELENERGIE 0,2146 0,3567 KONSTANTE 0,0777 0,1177 0,2603 0,4393 -0,2212 1,0098 N 2.540 809 947 Nagelkerkes R^2 0,0601 0,2065 0,0818 Modell Chi^2 110,8391*** 129,3015*** 56,5850*** Logistische Regression Tabelle 88 zeigt die Ergebnisse der logistischen Regressionen mit den Stichproben Südafrika-Log, Nordafrika-Log und subsaharisches Afrika-Log (s.a. Abschnitt 3.1). Die Abschlusserfolgsquoten in diesen Stichproben liegen bei 72,52%, 67,86% bzw. 69,27%. Vor dem Hintergrund weltweiter durchschnittlicher M&A-Abschlusserfolgsquoten von 68,7% (Zhang & Ebbers, 2010) kann festgestellt werden, dass bei M&A in Afrika keine bedeutenden Unterschiede im Hinblick auf die Abschlusswahrscheinlichkeit von M&A aufzutreten scheinen. 4.6.2 Tabelle 88: 4.6 Logistische Regression 155 In den Stichproben Südafrika-Log, Nordafrika-Log und subsaharisches Afrika-Log hängt ZIELPRIVAT hochsignifikant positiv mit der Abschlusswahrscheinlichkeit von M&A zusammen. Für die Stichprobe Nordafrika-Log kann ein weiterer hochsignifikant positiver Zusammenhang der Variable CASH mit dem Zustandekommen von M&A beobachtet werden. Für die Variable ZIELROHST kann in den Stichproben Nordafrika-Log und subsaharisches Afrika-Log ein zum 10%bzw. 5%-Niveau signifikanter negativer Zusammenhang mit dem Zustandekommen von M&A gefunden werden. Für die institutionellen und makroökonomischen Variablen kann „lediglich“ in der Stichprobe Nordafrika-Log ein zum 10%-Niveau signifikanter positiver Zusammenhang der Variable POLSTAB mit dem Abschlusserfolg bei M&A gefunden werden. Das Modell-Chi-Quadrat ist für alle betrachteten Modelle hochsignifikant. Diskussion der Ergebnisse-logistische Regression Für die Variable ZIELPRIVAT kann in den drei Stichproben wie in der empirischen Literatur zur Abschlusswahrscheinlichkeit von M&A in sich entwickelnden Volkswirtschaften ein relativ eindeutiger Hinweis (Hochsignifikanz) auf die Relevanz der Eigenschaft eines Unternehmens, Publikumsgesellschaft zu sein, gefunden werden. Demnach scheint auch in den drei afrikanischen Zielregionen der Abschluss von M&A erschwert, wenn es sich bei dem Zielunternehmen um eine Publikumsgesellschaft handelt, und die oben vorgetragenen Vermutungen zur Erklärung dieses Zusammenhangs berechtigt. Die Variable CASH ist in der Stichprobe Nordafrika-Log positiv mit der Abschlusswahrscheinlichkeit von M&A assoziiert, was darauf hindeutet, dass, wie in der theoretischen Rechtfertigung für die Aufnahme dieser Variable angenommen, das Vermeiden von Bewertungsstreitigkeiten oder die Signalisierung von Unterbewertung bedeutende Momente in den Abschlussdynamiken von M&A-Prozessen in dieser Zielregion sein könnten. Die Variable ZIELROHST wurde in die Betrachtung aufgenommen, da vermutet wurde, dass die hohe Nachfrage nach M&A in diesem Bereich (s.a. Abschnitt 2.2) und die teilweise anscheinend vor- 4.6.3 4 Ergebnisse 156 handene Profitabilität mit einer erhöhten Profitabilität beim Abschluss solcher M&A einhergehen könnten. Dem für die Stichproben Nordafrika-Log und subsaharisches Afrika-Log gefundenen Ergebnissen nach zu urteilen, erscheint der Zugang zu M&A-Investitionen in diesen beiden Zielregionen in dieser Industrie im Vergleich zu anderen Industrien tatsächlich erschwert. Für den Großteil der untersuchten Variablen, die makroökonomische oder institutionelle Rahmenbedingungen in den afrikanischen Zielländern operationalisieren sollten, kann kein Hinweis auf deren Bedeutsamkeit für das Zustandekommen der M&A gefunden werden. Eine Ausnahme hiervon bildet die Variable POLSTAB, deren positive Signifikanz in der Stichprobe Nordafrika-Log darauf hindeutet, dass politische Stabilität bei M&A in dieser Zielregion das Zustandekommen von M&A positiv beeinflussen könnte. 4.6 Logistische Regression 157

Chapter Preview

References

Abstract

There are a large number of scientific studies on M&A with target companies in Western industrialised countries. However, the increasing interest in M&A with African target companies is tempered by a lack of studies on the success of such M&A. Therefore, in this work a literature review on this topic is presented; by means of a capital market-based investigation approach, the development of the value of buyer companies after they have announced M&A with African target companies is examined; and the factors that could influence the probability of concluding such M&A are also analysed.

Zusammenfassung

Zu Mergers & Acquisitions mit Zielunternehmen in westlichen Industrieländern existiert eine Vielzahl wissenschaftlicher Untersuchungen. Dem zunehmenden Interesse an M&A mit afrikanischen Zielunternehmen steht jedoch ein Mangel an Untersuchungen zum Erfolg solcher M&A gegenüber. Daher wird in dieser Arbeit eine Literaturübersicht zu diesem Thema präsentiert. Im Anschluss wird mittels eines kapitalmarktbasierten Untersuchungsansatzes die Entwicklung des Werts von Käuferunternehmen untersucht, nachdem diese M&A mit afrikanischen Zielunternehmen angekündigt haben. Schließlich wird analysiert, wodurch die Abschlusswahrscheinlichkeit solcher M&A beeinflusst werden könnte.