文献阅读荟-No.265-自愿退市的时机

2024-07-24 10:00   广东  

论文:自愿退市的时机

Azevedo A, Colak G, El Kalak I, et al. The timing of voluntary delisting[J]. Journal of Financial Economics, 2024, 155: 103832.

下载地址:

https://doi.org/10.1016/j.jfineco.2024.103832


01 摘要
对许多公司来说,自愿从证券交易所退市可能是最佳选择。作者将企业家自愿退市的动机建模为在上市时的私人利益消费与退市后公司业绩预期改善之间的权衡。模型允许企业和国家之间存在异质性,各种微观和宏观冲击都会影响退市决策。这种模型对全球的退市模式做出了新的预测。作者利用人工收集的 26 个国家的退市数据,通过经验证实了这些预测。政策和监管不确定性的增加可以部分解释自愿退市为何越来越受欢迎。

02 引言

近年来,上市公司的吸引力有所下降,特别是在美国交易所,出现了上市数量少于退市数量的现象。有研究表明,截至2016年,退市公司的数量超过了新上市公司的数量,即便新上市公司的数量在过去几十年中保持不变,这种差距依然存在。这种现象表明,自愿退市已经成为现代金融市场的一个显著特征。

例如,2014年11月,戴尔公司创始人迈克尔·戴尔在一篇文章中提到,戴尔公司决定结束长达25年的上市公司生涯,这一决定是多种因素共同作用的结果,包括未来的重大机遇、创新和投资所需的速度,以及短期思维对公司战略的干扰。

这些因素引发了一些重要的问题:自愿退市对股东是否有益?企业主创业者在做出退市决定时,会考虑哪些因素?本文旨在通过理论模型和实证研究,探讨这些问题,并验证模型的预测。

与1980年至1999年相比,过去20年中,美国及其他主要交易所的自愿退市数量显著增加。这反映了全球范围内从公开股权融资转向的趋势。自愿退市是一种选择,这一趋势表明许多公司最近发现,从交易所退市是一种理性的行为。本文的目标是理解这种现象的原因。

尽管已有研究探讨了上市公司的利弊,但尚未有理论模型专门讨论退市问题。本文将基于现有的理论研究,构建一个关于公司退市决策的理论模型。该模型将考虑公司面临的代理问题、披露成本以及各种内部和外部的业务冲击。通过这个模型,作者预测了全球范围内的退市模式,并使用26个国家的退市数据进行了实证检验。结果显示,政策和监管不确定性的增加部分解释了自愿退市的流行。


03 数据来源与模型
3.1 数据来源
本文使用了来自26个国家的退市数据,涵盖了1990年到2020年的时间跨度。研究者通过阅读与退市事件相关的新闻,手动收集了这些数据,并将其分类为自愿退市、非自愿退市(如破产或清算)以及因并购(M&A)导致的退市。最终的样本包括了26,090家公司,其中832家自愿退市,1,035家非自愿退市,6,708家因并购退市。为了确保数据的准确性和模型的适用性,作者还对样本进行了筛选,排除了金融、保险和公用事业公司,并要求公司在退市前至少上市四年。

本文的数据来源主要包括CRSP、Compustat Global、Refinitiv的Datastream、Thompson Reuters的Securities Data Company(SDC)并购数据库、Worldscope、Audit Analytics、World Bank数据库,以及Baker等人(2016)的经济政策不确定性指数和World Bank的治理指标。这些数据库提供了丰富的公司财务信息、上市和退市记录、内部人士所有权数据、审计费用、宏观经济指标以及政策和监管不确定性度量。

表1 样本选择程序

3.2 自愿退市模型
企业家在上市状态下的财富公式:

 期望财富的计算公式:

退市决策的条件公式,比较上市和退市状态下的预期财富:

判断在何时退市是最优的公式:

参数解释:

04 分析
4.1 随时间推移的退市情况
图1展示了自愿退市,非自愿退市公司数量随时间的波动和并购退市的趋势。自愿退市公司的数量在样本期内逐年增加,尤其是在一些知名的经济、金融和监管相关事件发生后,如2000年初期的互联网泡沫和2007-2009年的金融危机期间,自愿退市的数量有所增加。

图1 随时间推移退市

4.2 跨国家/地区的模型验证

表2 不同国家/地区的模型准确性

表2提供了在26个国家样本中,作者的退市决策模型的准确性统计。表格列出了每个国家的名称、自愿退市的数量、模型准确预测的退市数量以及模型的准确率百分比。此外,表格还展示了六个关键模型参数在各个国家的平均值,这些参数包括:国家法律和监管质量的惩罚因子 b 、企业家在公司上市时的所有权比例 α 、公司支付给股东的股息比例  d 、上市费用  𝑙、公司的增长率 μ 和业务风险 σ。这些参数的平均值在不同国家之间显示出显著的差异,可能有助于解释这些国家公开交易所的退市模式。总体而言,作者的模型在所有国家的平均准确率约为88%,表明模型能够相当准确地反映全球公司自愿退市的决策过程

4.3 单变量分析
表3 单变量分析

表3提供了对整个样本以及退市公司(自愿、非自愿和并购)子样本的公司特征的单变量分析。表格展示了包括代理动机变量(包括国家剥夺惩罚参数 𝑏b、内部人士所有权 𝛼α、股息支付 𝑑d 和上市费用 𝑙l)和经济动机变量(增长率 𝜇μ 和业务风险 𝜎σ)在内的关键变量在不同样本中的平均值和标准差。此外,还报告了自愿退市子样本与其他两个子样本(非自愿和并购退市)之间平均值差异的t检验结果。统计数据揭示了自愿退市公司通常位于剥夺惩罚参数较高的国家,拥有较高的内部人士所有权比例,并且上市费用占年收入的比例显著高于其他退市类型。在公司经济表现方面,表格显示非自愿退市公司具有非常高的业务风险,而增长率最高的是并购退市公司。控制变量的t检验结果也显示,自愿退市子样本与其他子样本在多个方面存在显著差异。这些单变量比较结果与模型预测一致,表明不同类型的退市公司在关键参数的平均值上有显著差异。
4.4 多变量分析
表4 多变量分析

表4展示了使用竞争风险子风险模型和多项逻辑回归模型对理论变量进行估计的结果。在竞争风险模型中,代理动机变量如国家剥夺惩罚参数b、内部人士所有权 α、上市费用 l 、以及业务风险 σ 的正系数,与理论预期一致,表明这些因素与自愿退市的可能性增加有关。特别是内部人士所有权的比例,其对自愿退市的影响极大,每单位增加可导致自愿退市可能性增加近六倍。而经济动机变量中的增长率 𝜇 系数为负,符合假设,即增长较慢的公司更倾向于自愿退市,但股息支付 d 对退市决策的影响在统计上不显著。

多项逻辑回归模型的结果进一步巩固了这些发现,显示了与代理动机相关的变量在控制其他变量时,仍然与更高的自愿退市概率相关联。此外,宏观经济的不确定性,包括政治不确定性和监管不确定性,被证明与自愿退市的可能性增加显著相关,这表明在政策和监管环境不稳定时,公司更可能选择退出公开市场。

4.5 替代估计检验
表5 预测测试分析-替代估计

表5展示了作者在不同回归估计方法下对模型稳健性的检验结果。这些检验包括对左删失数据处理的敏感性分析、不同子样本的估计结果、考虑未观察到的异质性以及使用不同的估计方法。在处理左删失数据时,作者采用了Heckman和Singer (1984)的策略,并考虑了样本期间起始年份变化的影响。此外,为了排除跨国上市公司可能对结果的影响,作者在某些模型中排除了所有交叉上市公司,并在其他模型中排除了自愿退市公司数量较少的国家的数据。
在考虑未观察到的异质性时,作者使用了参数模型来估计风险率,并引入了“脆弱性”因素来调整每个公司的风险函数,以减少由于公司和行业内部固有差异导致的估计偏差。作者还尝试了包括行业和国家固定效应的模型,以及使用Cox比例风险模型和基于Weibull密度分布的加速失效时间(AFT)模型来估计结果。
表5中的结果显示,尽管使用了不同的估计技术和处理方法,但关键变量的系数估计结果在不同模型间保持了定性上的一致性。这表明,无论采用何种估计方法,模型的主要结论都是稳健的。特别是,代理动机变量和经济动机变量对自愿退市决策的影响在各种模型中都具有统计显著性,并且与理论预期相符。

4.6 宏观因素对自愿退市的影响

表6 宏观因素对自愿退市的影响

表6深入探讨了宏观经济因素,特别是政治不确定性(PolUncertainty)和监管不确定性(RegUncertainty),对公司自愿退市决策的影响。作者利用了Baker等人(2016)构建的经济政策不确定性指数以及世界银行治理指标中的监管质量指标,来衡量这些不确定性对公司退市选择的直接影响。

作者报告了将不确定性变量加入到先前模型中的结果。无论是使用竞争风险子风险模型还是多项逻辑回归模型,政治不确定性和监管不确定性都被证明与自愿退市的概率正相关。这表明,当国家面临更高的政策或监管不确定性时,上市公司更有可能选择自愿退市。

作者进一步进行了中介分析,以确定公司增长率和业务风险是否在宏观经济不确定性影响退市决策的过程中起到了中介作用。分析结果显示,增长率𝜇 和业务风险σ 是强有力的中介变量,它们可以分别解释41.96%至42.72%的不确定性冲击对退市决策的总影响。这一发现支持了作者关于宏观经济条件通过影响公司内部经济表现进而促使公司选择自愿退市的假设。


05 总结

本文构建了一个理论模型,探讨了上市公司自愿从证券交易所退市的决策过程,由大股东或一致行动的股东团体(即企业家)主导。模型假设企业家倾向征用上市公司资产,征用程度受制于所在国家的股东保护法律框架。自愿退市的驱动力源自两个方面:一是代理成本动机,涉及国家的征用处罚、内部人所有权结构、上市成本及分红政策;二是经济动机,表现为较高的投资回报率和较低的收益波动性。在均衡条件下,企业家需在代理成本和经济利益之间寻找平衡点。

模型预测,不同国家的自愿退市行为受多种因素影响,包括法律环境、企业内部治理、财务表现以及外部经济与政策波动。尤其在面临经济政策不确定性或监管压力时,企业可能更倾向于选择退市。

研究显示,模型中的退市条件可通过简化公式——危险率模型或多项式对数模型来逼近。实证分析采用竞争风险危险率模型,比较了自愿退市与非自愿退市及因并购导致的退市情况,以辨析各国自愿退市决策的关键因素。此模型通过对照分析,增强了对自愿退市驱动因素识别的准确性。

为验证模型预测,作者搜集了1990至2020年间26个国家的退市数据,涵盖832家自愿退市、1035家非自愿退市及6708家因并购退市的公司,形成迄今为止最全面的跨国退市数据库。利用该数据库,作者证实模型预测与全球自愿退市趋势相符。分析指出,内部人所有权、公司增长率、经营风险、国家征用处罚、上市成本及分红政策是影响自愿退市决策的六大核心变量。

进一步的中介效应分析揭示,经济政策不确定性通过抑制企业成长和加剧经营波动性,间接促成了自愿退市。监管不确定性同样通过影响企业的财务表现和运营风险,增强了自愿退市的吸引力。这些发现有助于解释全球范围内自愿退市现象的增多,尤其是在美国,近年来经济政策不确定性持续攀升,加之上市公司面临日趋严格的法规约束。

综上所述,本研究为理解自愿退市的动机及其与宏观经济环境的关系提供了深入洞见,同时也为后续研究提供了有价值的理论框架。


讨论时刻:
       本文贡献在于首次理论化并实证分析了企业家自愿从证券交易所退市的决策,揭示了经济政策和监管不确定性如何通过影响公司成长和风险,间接推动了自愿退市。随着全球化和市场规则的变化,自愿退市的趋势是否会持续,还是将出现反转,以及这将如何重塑全球资本市场的结构和效率?


如果有好的建议,请留言给我们。

"大于研究"是华南理工大学经济与金融学院、金融工程研究中心于老师和学生对外分享研究成果和学习的心得的公众号。

对我们的研究感兴趣的可以联系fofscut@scut.edu.cn




大于研究
大于研究是华南理工大学金融工程研究中心的老师和学生对外分享研究成果和学习的心得的公众号。对我们的研究感兴趣的可以联系fofscut@scut.edu.cn。
 最新文章