胡曉明,田情情,徐 暢
(南京財經(jīng)大學(xué) 會計學(xué)院,江蘇 南京 210023)
在國家宏觀戰(zhàn)略的扶持下,各大公司紛紛謀求新的發(fā)展機(jī)遇,推進(jìn)戰(zhàn)略轉(zhuǎn)型。戰(zhàn)略驅(qū)動轉(zhuǎn)型的發(fā)展過程并非一蹴而就,戰(zhàn)略并購是競爭性企業(yè)多元化的發(fā)展路徑(Malcolm et al.,2013[1];Wang et al.,2016[2])。并購績效是衡量企業(yè)戰(zhàn)略轉(zhuǎn)型成功與否的關(guān)鍵因素(湯谷良 等,2014[3])。戰(zhàn)略性跨界并購能夠提高企業(yè)經(jīng)營效益(Weston et al.,1971[4];盛明泉 等,2011[5]),促進(jìn)企業(yè)價值創(chuàng)造,提升企業(yè)競爭力(耿雪姣 等,2022[6])。
為了規(guī)避并購風(fēng)險、保障投資者合法權(quán)益,中國證券監(jiān)督管理委員會規(guī)章《上市公司重大資產(chǎn)重組管理辦法》規(guī)定,采取基于未來收益預(yù)期的方法(收益現(xiàn)值法、假設(shè)開發(fā)法等)對擬購買資產(chǎn)進(jìn)行估值并作為定價參考依據(jù)的,應(yīng)當(dāng)簽訂業(yè)績承諾補(bǔ)償協(xié)議。但業(yè)績承諾的違約率卻逐年攀升,資本市場對業(yè)績承諾的有效性產(chǎn)生了質(zhì)疑。一方面,業(yè)績承諾作為標(biāo)的公司的一項經(jīng)營業(yè)績承諾保證,通過信號傳遞效應(yīng)傳遞標(biāo)的資產(chǎn)的未來預(yù)期收益,不僅有利于緩解并購雙方之間以及與中小股東之間的信息不對稱(李晶晶 等,2021[7]),降低談判成本、提高并購效率(周紹妮 等,2021[8]),還可以提升標(biāo)的資產(chǎn)溢價倍數(shù),增加資產(chǎn)賣方的收益(Barbopoulos et al.,2012[9];王競達(dá) 等,2017[10];翟進(jìn)步 等,2019[11])。胡運(yùn)芝 等(2019)[12]發(fā)現(xiàn),有業(yè)績承諾樣本的評估增值率在 2016 年達(dá)到1 080.94%,遠(yuǎn)高于同年無業(yè)績承諾樣本的110.09%。另一方面,業(yè)績承諾違約存在財富轉(zhuǎn)移效應(yīng)(竇超等,2020[13]),高業(yè)績承諾加劇了“大股東+承諾方”與中小股東之間的代理沖突,引致“商譽(yù)爆雷”“股價崩盤”和“業(yè)績變臉”等問題(王文姣 等,2017[14];劉超 等,2019[15]),嚴(yán)重?fù)p害了處于信息劣勢方的中小股東利益。近年來,業(yè)績承諾違約率逐年上升,且時間越長,履約越難。羅振吉(2021)[16]以2016—2018 年深圳證券交易所實(shí)施的重大資產(chǎn)重組案例為研究樣本,分析了深圳證券交易所公司重組業(yè)績承諾履行情況,研究發(fā)現(xiàn),2018—2020 年業(yè)績承諾違約率分別為28.75%、30.41%、37.40%,呈逐年上升趨勢,且業(yè)績承諾期限越長,履約越難。以2017 年實(shí)施的重組方案為例,實(shí)施當(dāng)年(2017 年)未完成率為12.93%,次年(2018 年)未完成率達(dá)34.48%,業(yè)績承諾最后一年(2019 年)未完成率為46.55%。業(yè)績承諾的可靠性依賴于盈利預(yù)測誤差。因此,探尋企業(yè)能否通過并購提升企業(yè)經(jīng)營績效、如何進(jìn)行準(zhǔn)確盈利預(yù)測,成為一項重要工作。
在盈利預(yù)測準(zhǔn)確性方面,中國資本市場上盈利預(yù)測具有一定的精確度(姜碩等,2005[17]),基于并購的盈利預(yù)測準(zhǔn)確度有逐年增強(qiáng)的趨勢(王惠芳等,2016[18]),科學(xué)、客觀地選擇模型能夠有效地提高預(yù)測數(shù)據(jù)的準(zhǔn)確性(王國明,2018[19])。在盈利預(yù)測方法選擇方面,有效的外推模型應(yīng)能通過準(zhǔn)確性檢驗(徐泓等,2005[20]);灰色關(guān)聯(lián)分析中的GM(1,N)模型較單一的模型準(zhǔn)確性更高,預(yù)測有效可行(付中華等,2018[21]);同時,組合預(yù)測相對單項預(yù)測更能滿足盈利預(yù)測精度要求(陳華友 等,2017[22]),并且預(yù)測期間越長,盈利預(yù)測的結(jié)果誤差越大(褚劍 等,2019[23])。
業(yè)績承諾是保護(hù)中小投資者利益和激勵管理層的有效契約設(shè)計?,F(xiàn)有文獻(xiàn)的研究大多集中于業(yè)績承諾對并購估值的影響及其保護(hù)機(jī)制和激勵機(jī)制,不同業(yè)績承諾方式和補(bǔ)償方式的激勵效應(yīng)也存在差異,少有文獻(xiàn)考察業(yè)績承諾的可實(shí)現(xiàn)性。業(yè)績承諾的可實(shí)現(xiàn)性依賴于盈利預(yù)測模型,如收益法預(yù)測模型、灰色關(guān)聯(lián)分析模型等,這些模型基于一定的假設(shè)條件,利用不同的財務(wù)信息,對目標(biāo)公司收益進(jìn)行預(yù)測。但由于整體上缺乏普遍適用性,因此已有研究主要探索盈利預(yù)測模型的改進(jìn)和優(yōu)化,但并沒有得出一致的結(jié)論,盈利預(yù)測的準(zhǔn)確性尚未得到可靠的支持。
本文以東方電子股份有限公司(簡稱“東方電子”,股票代碼:000682)戰(zhàn)略并購目標(biāo)公司煙臺東方威思頓電氣有限公司(簡稱“威思頓”或“標(biāo)的公司”)為例,分析單項盈利外推法在設(shè)置業(yè)績承諾價值的合理性和準(zhǔn)確性,探討方法的改進(jìn),構(gòu)建更具穩(wěn)定性、可靠性的組合盈利外推模型,以優(yōu)化業(yè)績承諾契約設(shè)計、促進(jìn)業(yè)績承諾機(jī)制保護(hù)投資者利益和激勵標(biāo)的公司。
本文的盈利外推法主要介紹蒙特卡洛模擬外推法、收益外推法以及灰色外推法等單項盈利外推模型及其應(yīng)用①雖然單變量時間序列外推模型具有時間上的優(yōu)勢,但考慮到樣本量的限制,本文不做分析。,以東方電子戰(zhàn)略并購?fù)碱D為研究案例。2017 年2 月東方電子宣告擬以發(fā)行股份的方式購買威思頓83.258 7%股權(quán),交易價格為180 790.00 萬元。評估基準(zhǔn)日為2017 年7 月31 日,收益法評估股權(quán)價值為217 133.98 萬元,相較于凈資產(chǎn)賬面價值135 403.83 萬元,評估增值率60.36%。
從歷史經(jīng)營成果看,威思頓2015 年、2016 年歸屬于母公司的凈利潤分別為6 380.82 萬元和9 395.03 萬元。公告顯示,2017 年3 月并購?fù)瓿珊螅碱D承諾未來三年(2017 年、2018 年及2019年)實(shí)現(xiàn)的扣除非經(jīng)常性損益后的凈利潤分別不低于9 221.45 萬元、12 042.39 萬元和15 151.90 萬元?;鶞?zhǔn)日為2017 年7 月31 日,預(yù)測目標(biāo)公司未來三年(2017—2019 年)的凈利潤,預(yù)測基礎(chǔ)數(shù)據(jù)資料來源公開披露信息,主要外推模型使用Matlab 軟件進(jìn)行分析。
1.方法介紹
蒙特卡洛模擬外推法源自中心極限定理和大數(shù)定理,以概率和統(tǒng)計理論為基礎(chǔ),準(zhǔn)確模擬隨機(jī)變量的實(shí)驗過程和分布特征。該方法通過建立概率統(tǒng)計模型,收集數(shù)據(jù)并確定風(fēng)險因素概率分布;利用計算機(jī)進(jìn)行重復(fù)隨機(jī)實(shí)驗,對模擬結(jié)果中隨機(jī)抽樣獲取的基礎(chǔ)數(shù)據(jù)進(jìn)行統(tǒng)計,對標(biāo)準(zhǔn)差、均值等進(jìn)行分析并估計;形成概率分布圖,獲得預(yù)測結(jié)果。蒙特卡洛模擬外推法通過多次估值來表示結(jié)果,而不是一個單一的點(diǎn)估計值,在周期性公司的收益法價值評估盈利預(yù)測中得到普遍應(yīng)用(陳蕾等,2013[24]),有助于彌補(bǔ)傳統(tǒng)收益外推法中對不確定性預(yù)測的不足。
2.方法應(yīng)用
(1)數(shù)據(jù)預(yù)處理。標(biāo)的公司屬于非上市公司,缺乏足夠的歷史財務(wù)數(shù)據(jù)支持,為防止系統(tǒng)性偏差,本文參考胡曉明 等(2013)[25]、陳蕾 等(2013)[24]的處理方法,選取與威思頓的資產(chǎn)規(guī)模和經(jīng)營風(fēng)險基本相似的同行業(yè)可比公司進(jìn)行凈利潤的波動性分析,并將分析結(jié)果作為威思頓的參照。通過對軟件和信息技術(shù)服務(wù)業(yè)288 家上市公司的企業(yè)規(guī)模和經(jīng)營風(fēng)險進(jìn)行分析,最終選取四方精創(chuàng)、天璣科技、兆日科技等22 家上市公司作為威思頓的可比公司集,具體數(shù)據(jù)見表1。
表1 2015 年可比公司企業(yè)規(guī)模及凈利潤增長率
以可比公司集2015 年凈利潤增長率的均值作為標(biāo)的公司2015 年的凈利潤增長率,即15.75%,經(jīng)計算得出威思頓2014 年的凈利潤為4 658.30 萬元。由此,得原始收益序列(4 658.30,5 391.98,8 535.32),如表 2 所示。
表2 凈利潤歷史數(shù)據(jù) 單位:萬元
(2)數(shù)據(jù)模擬。為保證預(yù)測結(jié)果的合理,本文選取95%的置信度進(jìn)行上萬次數(shù)據(jù)模擬,隨機(jī)數(shù)由Matlab 軟件自帶偽隨機(jī)數(shù)生成器抽取。模擬結(jié)果見圖1。
圖1 隨機(jī)數(shù)生成結(jié)果分布圖
通過模擬,計算出樣本數(shù)據(jù)的均值(2017 年企業(yè)凈利潤)為11 541.13 萬元,95%置信區(qū)間為[7 375.87,17 338.31],其直方圖與概率分布見圖2,2018 年的企業(yè)凈利潤為15 568.98 萬元,置信區(qū)間為[8 105.33,27 287.94]萬元。同理,得出2019 年的企業(yè)凈利潤為21 064.22 萬元,其置信區(qū)間為[9 254.14,41 441.44]萬元。
圖2 數(shù)據(jù)的概率直方圖
1.方法介紹
收益外推法是定量和定性相結(jié)合的方法,也稱銷售百分比法,核心是構(gòu)建基于利潤表項目之間的較為穩(wěn)定的比例關(guān)系。預(yù)測過程中,可以從財務(wù)角度將盈利拆分為毛利潤、管理費(fèi)用、折舊攤銷、利息費(fèi)用、稅金等目標(biāo)驅(qū)動因素,建立模型預(yù)測盈利值(Francis et al.,2006[26]),根據(jù)預(yù)計的營業(yè)收入和營業(yè)成本與相應(yīng)的百分比預(yù)測其他各項目,最后計算得出凈利潤。模型運(yùn)用步驟,首先,通過對歷史經(jīng)營情況、宏觀和微觀經(jīng)濟(jì)環(huán)境進(jìn)行分析,確定預(yù)測驅(qū)動因素預(yù)測估計值;其次,分析、
確定待預(yù)測項目占預(yù)測驅(qū)動因素的比率;最后,將預(yù)測比率與預(yù)測驅(qū)動因素預(yù)測估計值相乘,計算出預(yù)測年度待預(yù)測項目預(yù)測值。
2.方法應(yīng)用
基于業(yè)績承諾的并購項目估值一般采用收益外推法,本文并購項目資產(chǎn)評估師運(yùn)用傳統(tǒng)收益外推法評估威思頓2017—2019 年承諾期扣除非經(jīng)常性損益后的凈利潤分別為9 221.45、12 042.39、15 151.90 萬元(過程見附錄表1)。
附表1 凈利潤預(yù)測表 單位:萬元
1.方法介紹
灰色外推法屬于運(yùn)籌學(xué)范疇,是當(dāng)樣本信息不完全或數(shù)據(jù)量較少時建立的一種灰色微分預(yù)測方法,適用于并購非上市公司方案的業(yè)績承諾盈利預(yù)測。該模型是一階單序列的線性動態(tài)模型,主要用于離散形式、時間序列預(yù)測的微分方程模型?;疑馔品ㄖ饕治龈饕亻g的關(guān)聯(lián)度,對假設(shè)時間序列進(jìn)行累加處理;通過一次擬合參數(shù),求解GM(1,1)模型;確定預(yù)測函數(shù)值,并進(jìn)行相對誤差檢驗、關(guān)聯(lián)度檢驗和后驗差檢驗等精度檢測。
2.方法應(yīng)用
(1)構(gòu)造累加序列。根據(jù)目標(biāo)企業(yè)2015—2016 年扣除非經(jīng)常性損益后歸屬于母公司的凈利潤數(shù)據(jù)及由可比公司計算得出的 2014 年凈利潤數(shù)據(jù)(見表 2),得原始收益序列 X(0)(t)為(4 658.30,5 391.98,8 535.32),構(gòu)造累加生成序列 X(1)(t),見表 3。
表3 構(gòu)造累加生成序列 單位:萬元
(2)構(gòu)建數(shù)據(jù)矩陣參數(shù)及灰色外推模型。根據(jù)數(shù)據(jù)矩陣參數(shù)Y、X,估計參數(shù)向量
(3)殘差檢驗。由外推模型計算得到時間響應(yīng)函數(shù)序列(見表4)。
表4 外推模型時間響應(yīng)函數(shù)數(shù)列 單位:萬元
計算累減生成序列,得出絕對誤差與相對誤差率(見表5)。
表5 凈利潤殘差檢驗
參考精度檢驗等級參照表①精度等級1 級對應(yīng)相對誤差0.01,精度等級2 級對應(yīng)相對誤差0.05,精度等級3 級對應(yīng)相對誤差0.10,精度等級4 級對應(yīng)相對誤差0.20。,殘差的平均相對誤差=1.682 7%<5%,說明所建外推模型有良好的預(yù)測精度,殘差檢驗通過。
(4)關(guān)聯(lián)度檢驗。關(guān)聯(lián)度是把各個時刻的關(guān)聯(lián)系數(shù)集中為一個平均值,即把過于分散的信息集中處理。由于只有兩個序列比較,無需尋找第二級最小差及最大差。關(guān)聯(lián)系數(shù)的計算公式為:
由于關(guān)聯(lián)度大于0.6,說明外推模型比較滿意,通過關(guān)聯(lián)度檢驗②依據(jù)相關(guān)經(jīng)驗,當(dāng)p=0.5 時,關(guān)聯(lián)度Yi 大于0.6,則說明外推模型是滿意的,通過檢驗,Yi 值越接近1,說明相關(guān)性越好。。
(5)后驗差檢驗。原始序列 X(0)的標(biāo)準(zhǔn)差 =S1=1 681.60、絕對誤差△(0)的標(biāo)準(zhǔn)差=S2=101.47,計算標(biāo)準(zhǔn)差比:
(6)預(yù)測結(jié)果。根據(jù)檢驗合格的模型進(jìn)行預(yù)測,X(0)(4)=13 014.69,X(0)(5)=20 439.54,X(0)(6)=32 100.24,即 2017 年、2018 年、2019 年的預(yù)測凈利潤分別為 13 014.69、20 439.54、32 100.24萬元。
1.蒙特卡洛模擬外推法可能產(chǎn)生不穩(wěn)定、不確定情況
蒙特卡洛模擬外推法的優(yōu)勢在于能夠比較逼真地抓住具有隨機(jī)性質(zhì)事物的特點(diǎn),但它的收斂速度慢(楊首樟 等,2017[27]),可能受到某些隨機(jī)因素的影響,波動較大(孫潤稼 等,2018[28]);劉雙慧等(2018)[29]研究發(fā)現(xiàn),現(xiàn)有蒙特卡洛模擬外推法大都基于財務(wù)預(yù)測、資金預(yù)測,且屬于統(tǒng)計層面上近似的結(jié)果或趨勢,不是對特定結(jié)果精確的數(shù)據(jù)描述,不能準(zhǔn)確反映時間序列要求的具體盈利預(yù)測值。
2.收益外推法可能導(dǎo)致高估值、高溢價情況
相對而言,收益外推法(銷售百分比法)更具可操作性(李常青等,2013[30]),因此,大多并購項目業(yè)績承諾預(yù)測采用收益外推法。在估值中,主觀判斷往往比客觀數(shù)據(jù)更可靠(馬海濤等,2017[31]),但是,由于人為因素影響,單純依靠主觀判斷可能會導(dǎo)致估值偏差、承諾不能實(shí)現(xiàn)等風(fēng)險,影響預(yù)測結(jié)果的準(zhǔn)確性。如果銷售收入與利潤表項目和資產(chǎn)負(fù)債項目不成比例,預(yù)測結(jié)果也可能失效(丁岳維 等,2012[32])。
3.灰色外推法可能出現(xiàn)模型檢驗不滿意、不通過情況
灰色外推法主要是對包含不確定因素的系統(tǒng)進(jìn)行預(yù)測,廣泛應(yīng)用于各個領(lǐng)域,在預(yù)測收入方面的研究也有很多。業(yè)績承諾期一般為三年,期限較短,而灰色外推法是離散的累加求導(dǎo)過程,適合短期收益預(yù)測,但是可能會出現(xiàn)殘差檢驗精度等級低、后驗差檢驗預(yù)測精度差等情況。
李敬(2014)[33]通過精度檢驗發(fā)現(xiàn),組合外推模型相對單項模型預(yù)測實(shí)用性更強(qiáng),更能滿足盈利預(yù)測對精度方面的要求。與凈利潤指標(biāo)相比,營業(yè)收入對經(jīng)濟(jì)的變化不是很敏感,被操縱的可能性小。房玄驊等(2019)[34]指出,單項外推模型的缺陷表現(xiàn)為信息源局限,不同的外推模型融合形成的組合外推模型,有助于提高模型的擬合精度和預(yù)測能力。將成本粘性理論分析運(yùn)用于資本市場的盈利預(yù)測將提高預(yù)測的準(zhǔn)確性(Dan et al.,2010[35])。一方面,將預(yù)測驅(qū)動因素分為營業(yè)收入和營業(yè)成本,另一方面,將利潤表項目區(qū)分為敏感項目(與營業(yè)收入相關(guān)性強(qiáng)的項目)與非敏感項目(張濤,2005[36];陳海迪等,2015[37]),改進(jìn)傳統(tǒng)預(yù)測中的收益外推法。以營業(yè)收入為預(yù)測基礎(chǔ)的敏感項目主要是期間費(fèi)用以及所得稅費(fèi)用。由于營業(yè)成本存在成本粘性,所以需要專門預(yù)測。
本文所謂組合外推法,即在傳統(tǒng)收益外推模型的基礎(chǔ)上,為了增強(qiáng)外推模型的客觀性、準(zhǔn)確性,加入灰色外推法,構(gòu)建組合外推模型,采用灰色外推法預(yù)測營業(yè)收入和營業(yè)成本等預(yù)測驅(qū)動因素。具體包括,第一,以營業(yè)收入和營業(yè)成本等預(yù)測驅(qū)動因素的預(yù)測,構(gòu)建外推模型并優(yōu)化殘差序列,再進(jìn)一步檢驗殘差;如果檢驗合格,則模型精度符合預(yù)測期望,因此模型可以進(jìn)行數(shù)據(jù)計算。第二,除預(yù)測驅(qū)動因素外的其他項目預(yù)測,按傳統(tǒng)收益外推法確定與預(yù)測驅(qū)動因素的關(guān)系、預(yù)測比率。第三,得出目標(biāo)公司最終盈利預(yù)測值。具體見表6。
表6 組合外推模型預(yù)測框架
1.營業(yè)收入預(yù)測
根據(jù)目標(biāo)公司2015—2016 年的營業(yè)收入數(shù)據(jù),以及經(jīng)由可比公司集2015 年的營業(yè)收入增長率的均值31.98%計算得出2014 年的營業(yè)收入,得到數(shù)據(jù)系列(49 404.88,65 204.56,85 001.86),構(gòu)造累加序列、數(shù)據(jù)矩陣參數(shù),估計參數(shù)向量,得到GM(1,1)灰色外推模型:
由灰色外推模型時間響應(yīng)函數(shù)序列算得累減生成序列、絕對誤差與相對誤差率,參考精度檢驗等級,殘差的平均相對誤差=4.47%<5%,說明所建外推模型有較好的預(yù)測精度,殘差檢驗通過;關(guān)聯(lián)度r=0.601 2,符合ρ=0.5 時的檢驗標(biāo)準(zhǔn):r>0.6,所求得的外推模型合格,關(guān)聯(lián)度檢驗通過;由于小誤差概率,標(biāo)準(zhǔn)差比C=0.343 3<0.35,故灰色外推模型有好的預(yù)測精度(一級),通過后驗差檢驗。
由通過檢驗的模型進(jìn)行預(yù)測,X(0)(4)=140 793.16,X(0)(5)=208 531.38,X(0)(6)=308 859.73,即2017 年、2018 年、2019 年的預(yù)測營業(yè)收入分別為 140 793.16、208 531.38、308 859.73 萬元。
2.營業(yè)成本預(yù)測
目標(biāo)公司2015—2016 年的營業(yè)成本數(shù)據(jù)及由可比公司集計算得出的2014 年營業(yè)成本數(shù)據(jù)①可比公司集2015 年營業(yè)成本增長率的均值為71.30%。(24 493.31,41 957.04,57 898.56),通過構(gòu)造累加序列、構(gòu)建數(shù)據(jù)矩陣參數(shù)、構(gòu)建參數(shù)向量,得出GM(1,1)灰色外推模型:
該模型通過殘差檢驗②殘差的平均相對誤差為3.477 6%。、關(guān)聯(lián)度檢驗③關(guān)聯(lián)度為0.93。以及后驗差檢驗④C 值為 0.186 6。,營業(yè)成本灰色外推模型有良好的預(yù)測精度(一級)。根據(jù)模型求得,2017 年、2018 年和2019 年的預(yù)測營業(yè)成本分別為95 975.10 、146 518.61、223 679.94 萬元。
3.其他項目預(yù)測
標(biāo)的公司的稅收種類主要有增值稅、城市維護(hù)建設(shè)稅、教育費(fèi)附加和地方教育費(fèi)附加及地方水利建設(shè)基金等,考慮到企業(yè)稅金變動幅度不大,按照收益法預(yù)測的2017—2019 年稅金占營業(yè)收入的占比均值(1.05%),結(jié)合灰色關(guān)聯(lián)收入預(yù)測得到的2017—2019 年收入金額,預(yù)測未來三年稅金的金額。威思頓的期間費(fèi)用包括營業(yè)費(fèi)用、管理費(fèi)用和財務(wù)費(fèi)用,均按照收益法預(yù)測的費(fèi)用金額占比確定,即為預(yù)測營業(yè)收入乘以收益法預(yù)測的各項費(fèi)用與當(dāng)年營業(yè)收入的比例,其中,財務(wù)費(fèi)用是由存款利息收入、手續(xù)費(fèi)構(gòu)成,本次評估不做預(yù)測;此外,標(biāo)的公司其他收益主要是增值稅返還收入,本次評估參考收益法按營業(yè)收入的2.33%預(yù)測增值稅返還收入;標(biāo)的公司已經(jīng)申報了《高新技術(shù)企業(yè)認(rèn)定申請書》,目前的情況符合高新技術(shù)企業(yè)的認(rèn)定條件,預(yù)期會通過高新技術(shù)企業(yè)認(rèn)證。預(yù)測期和永續(xù)經(jīng)營期均按15%的稅率計繳所得稅。經(jīng)過分析計算已經(jīng)得出威思頓2017年、2018 年和2019 年的經(jīng)營數(shù)值,根據(jù)相關(guān)財務(wù)計算公式得出三年的凈利潤金額。具體預(yù)測數(shù)據(jù)見表7。
表7 組合外推模型預(yù)測維爾科技承諾期盈利 單位:萬元
運(yùn)用組合外推模型預(yù)測 2017 年、2018 年、2019 年凈利潤分別為 11 583.95、14 145.04、15 474.28萬元。
業(yè)績承諾是對標(biāo)的公司未來年度預(yù)計凈利潤實(shí)現(xiàn)情況的保證,凈利潤反映目標(biāo)公司年度內(nèi)的經(jīng)營成果,基于業(yè)績承諾的標(biāo)的公司盈利預(yù)測實(shí)質(zhì)上是對凈利潤的預(yù)測。本文運(yùn)用單項外推模型和組合外推模型的預(yù)測結(jié)果如表8 所示,其中,2017—2019 年業(yè)績承諾完成率分別為81.47%、92.68%和95.92%,表明基于傳統(tǒng)收益外推法計算的企業(yè)凈利潤不能準(zhǔn)確反映企業(yè)真實(shí)的經(jīng)營成果;利用偽隨機(jī)數(shù)進(jìn)行統(tǒng)計分析的蒙特卡洛模擬外推法由于樣本量過少,預(yù)測結(jié)果和真實(shí)值誤差較大;而直接對凈利潤建模的灰色外推法基于凈利潤呈現(xiàn)指數(shù)增長的假設(shè),因此預(yù)測的凈利潤遠(yuǎn)高于實(shí)際凈利潤。結(jié)合灰色外推法和收益法構(gòu)建的組合外推法的預(yù)測值和實(shí)際值最接近,三年平均誤差率為4.17%,遠(yuǎn)低于收益外推法預(yù)測結(jié)果的誤差率9.98%。
表8 預(yù)測結(jié)果即預(yù)測誤差
近年來,收益法在企業(yè)并購重組中的使用比例越來越高,但收益法的操縱空間靈活,為了獲取“高估值”“高溢價”,標(biāo)的公司往往先給出“高業(yè)績增幅”和“高業(yè)績承諾”,待業(yè)績承諾無法實(shí)現(xiàn)時,大股東利用信息優(yōu)勢通過減持或質(zhì)押的方式套取大量資金跑路,嚴(yán)重?fù)p害了中小投資者的利益。本文在傳統(tǒng)收益外推法中添加穩(wěn)健的預(yù)測構(gòu)建組合外推模型,對于營業(yè)收入、營業(yè)成本采用灰色外推法分析,其他項目采用收益法分析?;疑馔品ㄊ菑臄?shù)據(jù)本身出發(fā)的純數(shù)理外推,不帶有主觀感情色彩,適合“少信息”“短期間”預(yù)測,因此,將灰色外推法關(guān)于不確定因素的預(yù)測與收益法對于企業(yè)整體資產(chǎn)預(yù)期獲利能力的量化與現(xiàn)值化結(jié)合,有助于提高公司并購重組中業(yè)績承諾價值制定的可靠性?;诖?,監(jiān)管方應(yīng)該完善評估規(guī)則,鼓勵評估機(jī)構(gòu)結(jié)合行業(yè)特性、資產(chǎn)特性采用組合外推模型預(yù)測業(yè)績;重點(diǎn)關(guān)注業(yè)績承諾條款的設(shè)置情況,要求承諾方詳細(xì)披露實(shí)現(xiàn)業(yè)績承諾的能力、承諾業(yè)績和歷史業(yè)績的差異分析,督促公司以財務(wù)信息或非財務(wù)信息的形式持續(xù)披露業(yè)績承諾實(shí)現(xiàn)過程中的風(fēng)險及履約進(jìn)度,提高信息透明度;同時,加大對業(yè)績承諾違約的懲罰力度,提高評估機(jī)構(gòu)的獨(dú)立性。
附表2 可比公司的相關(guān)指標(biāo)