- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
我国上市公司MBO财务绩效的研究——基于因子分析法的实证研究.pdf
Managementl经管空间
我国上市公司MBO财务绩效的研究
— — 基于因子分析法的实证研究
湖南大学工商管理学院 郑文静
南京大学 任图南
摘 要:本文运用因子分析法,以2001~2O09年沪深交易所实施MB0的31家上市公司为研究样本,根据选定的相关财务指
标构建公司财务绩效的综合评价模型,对样本公司财务绩效进行评价。通过构建的公司财务绩效增长模型对样本进行实
证研究,实证结果表明:上市公司在实施MB0后财务绩效有较大的提高。
关键词:MBO 因子分析法 财务绩效
中图分类号:F272 文献标识码:A 文章编号:1005--5800(2015)01(b)一040—03
1引言 而张卫国(2004)、李豫湘(2005)~ 认为实施MBO的公司的
MBOI~[I管理层收购,是指目标公司的高层管理者通过自 绩效明显好于同类未实施MBO的公司。
筹或借贷所融资本购买本公司的股份从而获取公司控制权的 上述成果对我国上市公司MBO财务绩效的研究具有重
一 种收购行为。公司MBO最早出现在20世纪70年代的英国, 要意义,但大部分研究运用的样本公司数量较少,评价财务绩
当时被作为公司分立或剥离的一种有效途径,后来逐步得到 效的财务指标较为单一,且只对实施了MBO的上市公司一年
了广泛应用并成为国际上公司并购的主要手段之一。根据发 内的财务数据进行了描述性统计,因此存在一定的局限性。基
达 国家的实践经验,MBO有利于降低公司代理成本、完善公 于_上述研究,本文选取了l2个财务指标,利用因子分析法构建
司治理结构、提高经营管理效率。我国上市公司MBO起步于 公司绩效的综合评价模型,对沪深两市2001-2009年间实施
1998年前后四通集团的产权改革,之后得到了迅速的发展,但 MBO的3l家上市公司在MBO前后3年(t一3年至t+3年,t为
在实际运作中也出现了不公平交易、国有资产流失等现象,先 MBO当年,共7年)的财务绩效进行实证研究。
后经历了2003年3月的 “冻结”、2003年12月的 “解冻”和之后进
一 步规范等过程。由于我国证券市场还不成熟 ,MBO运作的 2上市公司MBO前后财务绩效的实证研究
制度环境和市场环境还不完善,因此MBO在我国的实施是 2.1样本选择
否到达预期效果,学术界尚未统一。益智(2003)、赵贺(2002)等 本文对样本的筛选标准如下:一是正式公开披露MBO
人的研究表明上市公司实施MBO后业绩尚未得到明显改善, 事件的上市公司;二是实施MBO前后三年均有财务报表数
表1样本公司描述
序号 股票代码 上市年份 MBO年份 序号 股票代码 上市年份 MBO年份
1 600662 1993 200l l7 600200 1999 2003
2 000055 1996 2001 18 600235 2000 2003
3 600066 1997 2001 19 000735 1997 2004
4 600079 1997 2001 20 600237 2000 2004
5 000533 1994 2002 2l
您可能关注的文档
最近下载
- 深度学习基础及应用(人工智能、大数据技术、计算机等相关专业)全套教学课件.pptx
- 《深度学习基础及应用》教案 第9课 利用循环神经网络进行文本预测和分类(二).docx VIP
- 《深度学习基础及应用》教案 第8课 利用循环神经网络进行文本预测和分类(一).docx VIP
- 《深度学习基础及应用》教案 第6课 利用卷积神经网络进行图像处理(一).docx VIP
- 《深度学习基础及应用》教案 第10课 利用生成对抗神经网络进行图像生成.docx VIP
- 《深度学习基础及应用》教案 第8课 利用循环神经网络进行文本预测和分类(一).pdf VIP
- 《深度学习基础及应用》教案 第5课 构建神经网络(三).docx VIP
- 《深度学习基础及应用》教案 第2课 夯实深度学习开发基础.docx VIP
- 人教版五年级上册数学精品教学课件 第3单元 3.3 商的近似数.ppt VIP
- 《深度学习基础及应用》教案 第10课 利用生成对抗神经网络进行图像生成.pdf VIP
文档评论(0)