Predicting takeover targets in Europe : assessment of the main determinants and predicting quality

Abstract

In the past three decades, many scholars throughout the world attempted to explain the triggers of mergers and acquisitions (M&A) and claimed that it was possible to predict targets of this activity. One significant stream of this literature compares the characteristics of companies that were targets and non-targets of an acquisition attempt using a probabilistic analysis. This dissertation aims to use a similar methodology in a sample of 4431 listed companies from the EU-27. The purpose is three-fold: (i) examine the main determinants of firm targeting behavior; (ii) accurately predict and classify targets of acquisition; and (iii) test if abnormal returns can be earned by investing in this potential targets. The independent variables used in this study are motivated by the most frequently discussed hypothesis of takeover determinants. Unlike most of previous authors I examine acquisition attempts and not just complete deals. This study also provides several contributions to this research field, such as a ROC analysis of the models ability to classify and predict takeover targets and non-targets. The results unveil that a large number of these variables and the overall model are statistically significant (1% level of significance), providing evidence for nine out of the ten included takeover determinants hypothesis. All models provide consistent evidence that target firms are usually larger than non-targets, pertain to industries with recent history of takeovers and generate sales or revenues from their assets more efficiently than non-targets. The results also show a higher explanatory and classification power of models that consider both a shorter period sample in the estimation and financial variables calculated with averages of two years prior the bid. I am also able to achieve one of the highest predictive accuracies reported in the literature, although this was not a sufficient condition to earn significant positive abnormal returns from a long investment (250 trading days) in the predicted target stocks. Therefore, the results support the pessimist view that it is not possible to earn positive abnormal returns by using strictly publicly available information in the context of M&A.

Nas últimas três décadas, muitos investigadores por todo o mundo têm tentado explicar os determinantes das Fusões e Aquisições (F&A) e alegaram ser possível prever empresas alvo desta atividade. Uma corrente significativa desta literatura compara as características das empresas que foram alvo e não-alvo de uma tentativa de aquisição através de uma análise probabilística. Esta dissertação utiliza uma metodologia semelhante em 4431 empresas cotadas da UE-27, com três principais objetivos: (i) analisar os principais determinantes do comportamento das empresas adquirentes; (ii) prever e classificar com precisão empresas alvo de aquisição; e (iii) testar se podem ser obtidos retornos anormais através do investimento nas ações das empresas previstas como alvo de aquisição. As variáveis independentes usadas no estudo são motivadas pelas hipóteses frequentemente discutidas como determinantes de aquisição. Contrariamente à maioria dos estudos anteriores são consideradas tentativas de aquisição e não apenas negócios concluídos. Também são apresentadas várias contribuições para esta área de estudo, tais como uma análise ROC da capacidade classificativa e preditiva de cada um dos modelos. Os resultados revelam que os modelos e um grande número das variáveis incluídas são estatisticamente significativas (nível de significância de 1%), fornecendo evidência para nove das dez hipóteses de determinantes de aquisição. Os modelos fornecem evidência consistente de que as empresas alvo de aquisição são normalmente maiores que as não-alvo, pertencem a sectores com história recente de aquisições e conseguem gerar de forma mais eficiente vendas ou receitas através dos seus ativos. Os modelos que consideram em conjunto uma amostra com um período mais curto na estimação e variáveis financeiras calculadas com base na média dos dois anos anteriores à tentativa de aquisição apresentam um maior poder explicativo e capacidade classificativa. Também fui capaz de prever empresas alvo de aquisição com uma das taxas de sucesso mais elevadas na literatura, mas verifico que essa condição não é suficiente para obtermos retornos anormais médios cumulativos positivos e significativos através de um investimento nessas empresas durante 250 dias. Assim, podemos concluir que os resultados suportam a visão pessimista de que não é possível obter retornos anormais médios acumulados positivos usando informação estritamente pública.