企业并购方案选择

企业并购方案选择

季红

辽宁工程技术大学，辽宁葫芦岛（125105）

E-mail：gany1314@

摘要：本文通过将AHP 法与GRAP 法有机结合,根据AHP - GRAP风险评价模型,由AHP 法根据企业并购的风险因素构建层次结构关系图,依据判断矩阵定量计算出准则层和方案层中各风险因素的相对权重。然后,根据GRAP 法给出由准则层中各风险因素重要度组成的待检模式向量和由方案层中各风险因素相对权重组成的兼并风险特征矩阵,通过关联度计算, 为并购提供定量的依据，并由此求出企业兼并过程中造成兼并风险发生的各种兼并方案可能性大小的顺序。

关键词：企业并购，评价模型，风险因素

1. 引言

企业并购是指一家企业以购买目标企业产权为基本手段，以获得其他企业的控制权为直接目标，以高风险为特征的产权交易行为，是加快发展的一种非常有效的资本运作形式[3]。著名经济学家斯蒂格勒曾经说过：“没有一个美国大公司不是通过某种程度、某种方式的兼并而成长起来的，几乎没有一家大公司主要是靠内部扩张成长起来的。”近年来，伴随全球经济一体化进程的加快，企业并购浪潮在全球风起云涌，呈现出范围广、数量多、并购金额大、跨国化等一系列特点。国外许多著名大型企业的发展历程无不是通过并购进行扩张的历史。我国的海尔、青岛啤酒等大型企业也是通过大规模的并购进行低成本扩张，在短短几年间迅速发展壮大起来的。各国政府为在世界政治经济中赢得有利地位，都对企业并购给予了积极引导和大力推动。企业并购浪潮对各国乃至世界经济结构和全球市场发展都将产生不可低估的影响。

2. 并购方案的介绍

并购的方案也是有一系列的并购因素确定的。然而，如何在众多的并购方案中，选择风险最小、最适合并购的方案，成为首要的目的，本文采用层次分析法与灰色综合评价法相结合的集成方法来计算方按制定过程中的风险，从而选择最优的并购方案。

在控制论中，常借助颜色来表示研究者对系统内部信息和对系统本身的了解及认识程度。“黑”表示信息完全缺乏，“白”表示信息完全，“灰”表示信息不充分，不完全。由于黑、白、灰是相对于一定认识层次而言的，因而具有相对性。由此，我们可以定义：（1）所谓白色系统（White System;简称W系统）是指，相对于一定的认识层次，所有信息都已确知的系统。

（2）所谓黑色系统（Black System;简称B系统）是指，相对于一定的认识层次，关于系统的所有信息都是未知的，除了可以知道该系统外在的输入－输出关系外。

（3）所谓灰色系统（Grey System；简称G系统）是指，相对于一定的认识层次，系统内部的信息部分已知，部分未知，即信息不完全。

从定义可知，W系统是全开放性的，B系统是全封闭性的，G系统是介于W、B两系统之间，是半开放半封闭性的。目前，W系统和B系统已有一套较成熟的方法来处理，G 系统则可用近年来发展起来的灰色系统理论来处理。企业的并给风险就是一种典型的灰色系统。我们对于引起企业并给失败的因素有一定的认识，但是我们又不太清楚这些因素之间存

在哪些明确的因果关系，也不知道这些因素的作用原理。并购是一个严重信息不对称条件下的交易行为，并购交易的成功受到诸多因素的作用，而这些因素纷繁复杂，因此我们完全可以用灰色理论来解决这个信息不对称问题[4].

层次分析法( Analytic Hierarchy Process ,即AHP 法) 是美国运筹学家T.L Saaty 教授在70 年代末提出的。这种方法把复杂问题中的各种因素通过划分为相互联系的有序层次，使之条理化，并把数据、专家意见和分析者的主观判断直接而有效的结合起来，就每一层次的相对重要性给予定量表示。然后利用数学方法确定每一层次全部要素的相对重要性权值。灰关联分析方法(Grey Relation AnalyticProcess ,即GRAP 法) 是灰色系统理论在模式识别中的应用,GRAP法中整个模式识别的过程就是灰色系统理论处理问题的具体体现,一般多用于分析和处理随机变量,尤其是对纵向序列(如时间序列) 的分析.

3. 并购的基本模型

⑴建立层次结构模型

在用层次分析法研究问题时，首先要根据问题的因果关系将相关因素分解成若干层次。通常分解为目标层（最高层）、准则层（中间层）和方案措施层（最低层），当某个层次包括的因素较多时，可将该层次进一步划分为若干子层次[1]。

⑵构造判断矩阵

判断矩阵一般由熟悉问题的专家独立给出，本文采用的判断矩阵如下：

AK U1 U2 … Un

U1 U11 U12 (1)

U2 U21 U22 (2)

… … … … …

Un Un1 Un2 … Unn

矩阵具有如下性质：

①Uij＞0 ②Uij=1/Cij(i≠j) ③Uij=1(i,j=1,2,…,n)

该矩阵称之为 A-U矩阵

其使用的判断矩阵标度[27]为：

表1 判断矩阵标度

序号重要性等级 Cij赋值

1 i,j两元素同等重要 1

2 i元素比j元素稍重要 3

3 i元素比j元素明显重要 5

4 i元素比j元素强烈重要7

5 i元素比j元素极端重要9

6 i元素比j元素稍不重要1/3

7 i元素比j元素明显不重要1/5

8 i元素比j元素强烈不重要1/7

9 i元素比j元素极端不重要1/9

⑶重要性排序及一致性检验

根据线性代数有关理论：正互反矩阵U 的特征值可作为衡量同一层次中每个因素对于上一目标的影响所占的比重。但对于实际问题建立起来的矩阵往往不满足一致性，所以还需要对构造矩阵进行一致性检验。

一般矩阵U 的特征根λ对于所有uii=1，

有∑=n

i i 1λ=n ……………………………………………………… (3-1)

当矩阵具有完全一致性时，λ1=λmax=n,其余的特征根均为零。在层次分析法中引入判断矩阵最大的特征根以外的其余特征根的负平均值，作为度量判断矩阵偏离一致性的指标，

即CI=1max −−n n

λ, …………………………………………………(3-2)

当矩阵具有完全一致性时，CI=0.另外，当矩阵具有满意一致性时，λmax 稍大于n,其余特征根也接近零。不过这种说法不够严密，我们必须根据“满意一致性”的度量指标进行计算。对于1－9阶判断矩阵指标如图 表2 平均随机一致性指标RI 值

1 2 3 4 5 6 7 8 9 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45

判断矩阵一致性指标CI 与同阶平均随机一致性指标RI 之比称为随机一致性比率，记为CR ，当CR=CI/RI<0.10时，即认为判断矩阵具有满意的一致性，否则就需要调整判断矩阵，使之具有满意的一致性。

⑷ 构建待检数据

这由上所得的特征向量就构成了一组待检数据：

W = (W1,W2...,Wn )T

⑸ 构建并购风险矩阵

根据上面的求特征向量的方法，我们给出各种方案在每种风险因素下的一个判断矩阵，然后得到一个该矩阵的特征向量，最后将每种方案的特征向量放进一个矩阵当中，就构成了并购的风险矩阵[2]。

这样由 m 个并购方案就构成了一个典型的风险特征矩阵：

WK1 WK1(1) WK1(2) … WK1(n)

WK2 WK2(1) WK2(2) … WK2(n)

WK=

… = …

… …

WKm WKm(1) WKm(2) … WKm(n)

其中Wkm(n)表示第m 个并购方案在n 个风险因素下的重要性排序

⑹对 W 作初始化处理得到初始化后的待检验向量为：

WR = (W1 /W1,W2 /W1…,Wn /W1)T

⑺求差向量