全球产业升级背景下,并购重组已成为企业扩大规模、优化资源配置、提升核心竞争力的关键路径。在政策导向与市场实践双重驱动下,并购重组的规范化、精细化与数字化发展愈发迫切,而数据要素正是支撑并购市场高质量发展的重要基础,数据要素的获取效率、标准化程度直接影响并购研究结论的科学性与可靠性,对提升并购交易效率、降低并购风险具有重要现实意义。深入研究并购数据的分类体系、标准化现状及优化路径,既能丰富并购理论与数据应用的交叉研究,也能为企业决策、监管政策制定、科研开展提供实践指导,兼具理论与现实价值。
本文遵循“理论支撑—现状诊断—问题解决”的核心逻辑展开研究。首先,梳理并购核心理论与数据应用理论,构建并购数据应用的理论框架;其次,系统分析并购研究的核心数据需求,建立数据分类体系,明确可标准化与不可标准化数据的类型及特征,剖析数据标准化的现状与痛点;最后,针对无法标准化查找的数据,从制度、平台、技术、行业协作等维度提出优化建议。
并购研究数据应用的理论基础
(一)并购核心理论与数据需求的关联性
协同效应理论是企业并购活动的核心理论基石,认为通过并购可以实现企业间资源的系统性整合与优化配置,联合后的企业整体绩效显著高于各独立主体绩效的简单叠加,形成管理、经营与财务多维协同效应,最终实现企业长期回报的优化。该效应的评估需依托投资回报率、营收增长率、净利润率等财务数据以及人员留存率、业务融合进度等整合数据,若缺乏精准数据支撑,协同效应评估易陷入主观判断,难以对并购决策形成有效指导。
委托代理理论提出,现代企业所有权与经营权分离使得股东与管理层之间形成典型的委托代理关系。在并购决策与交易过程中,股东与管理层、收购方与被收购方均存在信息不对称,管理层掌握企业真实经营状况、并购潜在风险与协同收益等内部信息,股东难以实施有效监督;收购方通常处于信息劣势,难以准确判断目标公司资产质量与盈利前景。这种信息优势差异会引发逆向选择与道德风险,逆向选择体现为并购前管理层或被收购方隐瞒负面信息、高估标的价值,导致收购方做出错误决策;道德风险则表现为并购后管理层为追求个人薪酬、职位权力与企业规模扩张,实施损害股东价值的低效并购。数据能有效缓解这一问题,通过分析管理层行为、尽职调查等数据,可评估管理能力、掌握标的真实状况,进而降低代理成本,提升并购决策科学性。
市场势力理论认为,并购的重要动机是提升市场份额与行业地位,通过扩大规模与降低行业竞争程度获取更强的市场支配能力。此外,资源基础观、制度理论等也均依赖企业资源存量、制度环境特征等数据,分别用于识别企业资源禀赋、研判并购合规性。
(二)数据应用的核心理论支撑
信息不对称理论是解读并购数据标准化价值的核心,市场交易中交易双方的信息禀赋差异会引发逆向选择与道德风险问题,显著增加交易成本、降低市场配置效率,这一经典结论在并购市场中得到了充分的理论拓展与实证印证。并购交易天然存在收购方与标的方的严重信息壁垒,而非标准化的碎片化数据会进一步加剧信息损耗、放大信息差,成为并购估值偏差、交易失败与整合低效的核心诱因。而数据标准化通过统一数据口径与定义、规范数据源质量标准、打通数据孤岛,能系统性减少信息传递摩擦,有效降低并购流程的信息不对称程度,进而显著提升并购交易决策效率,同时也能提升并购相关学术研究的样本可比性与结论稳健性。
数据标准化理论明确了并购数据标准化的内涵与边界,该理论指出,数据标准化的本质是通过制定并执行统一的技术与业务规则,对数据的口径、格式、编码等进行规范化处理,最终实现跨主体数据的互操作与兼容复用。其核心遵循一致性、完整性、实用性三大原则,针对并购的核心共性数据制定刚性统一标准,对标的企业个性化经营数据保留适配灵活性,为并购数据分类体系搭建与标准化方案设计提供系统性的方法指导与理论遵循。
并购研究的核心数据需求与分类体系
(一)交易基础信息类数据
此类数据是并购研究的基础,核心内容包括交易基本信息与交易进程信息。一是交易基本信息。交易基本信息是并购重组交易研究、标的尽职调查与交易合规定性分析的核心基础模块,涵盖企业名称、注册地、成立时间、注册资本、主营业务、收购方和被收购方的财务信息、是否构成重大资产重组(针对上市公司而言)等方面。完整、规范的交易基本信息能够帮助研究人员明确交易主体的身份特征和交易基本情况,为后续开展交易动因推断、标的定价合理性研判等深度研究工作筑牢扎实的底层数据与事实基础。
二是交易进程。交易进程信息是贯穿并购重组的核心时序档案,覆盖并购交易从首次披露到最终落地的关键节点,包括交易公告时间、预案发布时间、草案发布时间、董事会审议时间、股东会审议时间、监管审批时间、交易完成时间等,可用于精准识别并购交易各环节的推进周期,系统分析交易整体时效性,同时可通过节点的完整性、时序的合规性,验证并购交易内部决策与外部审批流程的规范性,识别交易推进中的潜在堵点与合规风险。应用场景主要包括并购交易规模以及结构特征的统计分析、不同地区/行业并购活跃度的横向对比与纵向追踪、基础研究样本池的筛选和构建等。
(二)交易定价与估值类数据
定价与估值是并购研究的核心议题,此类数据直接影响并购交易的合理性与后续绩效。核心内容包括交易对价与估值相关信息。定价与估值的本质是对目标企业未来现金流与核心价值的量化,核心是通过科学方法将目标企业的未来盈利能力、资产价值转化为当前交易价格,同时兼顾交易双方的利益均衡,这也是判断并购交易是否具备协同效应的关键前提。一是交易对价。交易对价涵盖交易总额、每股收购价格、各支付方式的占比等。二是估值信息。估值信息包括估值方法(收益法、市场法、成本法)、关键估值参数(折现率、预测期、未来年度盈利预测数据)、评估机构名称及资质、交易相关的市盈率和市净率等。应用场景主要包括估值方法的选择偏好分析、估值合理性的判断、评估机构专业性的评价等。
(三)业绩承诺与对赌协议类数据
业绩承诺与对赌协议是并购交易中的常见条款,其相关数据是研究并购风险与交易公平性的重要依据。业绩承诺与对赌协议源于信息不对称理论与委托代理理论,能够有效缓解并购双方因信息差异引发的逆向选择与道德风险,通过契约约束降低收购方估值风险,激励被并购方持续提升经营绩效,是平衡交易定价、约束管理层行为、保障中小股东利益的重要治理机制。
核心内容包括承诺主体(通常是被收购方股东、管理层)、承诺期限(通常为3年至5年)、承诺业绩指标(净利润、营业收入、扣非净利润等)、补偿方式(现金补偿、股份补偿、混合补偿)、对赌条款触发条件(未完成业绩的比例、违规行为等)、承诺业绩实际完成数据、补偿金额及执行情况、业绩奖励及执行情况等。应用场景主要包括对赌协议的有效性研究、业绩承诺兑现风险的评估、补偿机制的合理性分析等。
(四)支付方式、重组形式与融资类数据
支付方式、重组形式与融资结构直接影响并购交易的资金压力与风险分布,此类数据的需求日益凸显。核心内容包括支付方式类型、重组形式与融资相关信息。一是支付方式。支付方式分为现金支付、可转债支付、股份支付、混合支付,现金支付方式下是否存在被收购方股东的“返投”义务。二是重组形式。重组形式分为发行股份收购、协议收购、增资、外部吸收合并、二级市场收购(含产权交易所)、资产置换等。三是融资信息。融资信息涵盖融资渠道(自有资金、银行贷款、定向增发、可转债等)、融资规模、融资成本(利率、股息率等)、还款期限等。应用场景主要包括支付方式选择的影响因素研究、融资结构与并购绩效的关联分析、融资风险的评估等。
(五)交易双方行业与竞争类数据
此类数据用于分析并购交易的行业背景与市场环境,支撑并购动机与协同效应的研究。核心内容包括交易双方的行业属性与行业竞争格局信息。一是行业属性。行业属性涵盖所属细分行业(如证监会行业分类、申万行业分类、万得行业分类等)、行业代码、行业地位(龙头企业、中小企业)。二是行业竞争格局。行业竞争格局信息包括行业集中度、市场份额、行业增长率、技术壁垒、政策导向、上下游产业链关系等。应用场景主要包括横向并购、纵向并购与混合并购的并购目的研究、行业协同效应的评估、政策对并购活动的影响分析等。
(六)交易主体性质与治理类数据
交易主体的性质与治理结构会影响并购动机与决策效率,此类数据是研究并购行为差异的重要支撑。核心内容包括收购人与被收购人的主体性质及治理结构信息。一是主体性质。主体性质分为国有、民营、外资企业,上市公司与非上市公司,是否为高新技术企业,交易双方是否存在关联关系等。二是治理结构。治理结构信息包括股权结构(控股股东持股比例、股权集中度、机构持股比例、本次收购的股权比例等)、董事会结构(董事人数、独立董事比例)、管理层背景(学历、从业经验、薪酬水平)、被收购方管理团队安排、控制权变更的相关安排(如表决权委托、表决权放弃、一致行动安排)等。应用场景主要包括不同性质企业并购动机的差异研究、股权结构对并购决策的影响分析、关联并购的公平性研究等。
(七)并购后整合与绩效类数据
并购后整合是决定并购成败的关键环节,此类数据用于评估并购的长期价值。核心内容包括整合策略与整合效果相关数据。一是整合策略。整合策略涵盖业务整合(产品线整合、市场渠道整合)、财务整合(财务制度统一、资金统筹)、人员整合(管理层调整、员工安置)、文化整合(企业文化融合措施)。二是整合效果。整合效果数据包括整合周期、并购后企业(包括被收购方)的营收增长率、净利润增长率、资产收益率(ROA)、净资产收益率(ROE)、协同效应指标(如成本节约、市场份额的扩大、研发效率的提升、销售渠道的数量增加和效率提升等)、商誉减值金额、员工留存率等。应用场景主要包括并购绩效的综合评估、整合策略的有效性研究、商誉减值风险的预警分析等。
(八)监管与合规类数据
此类数据用于分析并购交易的监管环境与合规性,支撑监管政策效果的研究。核心内容包括监管审批信息与合规信息。一是监管审批信息。监管审批信息涵盖证券监管部门对重组的核心关注事项、审批部门(交易所、证监会、国家发展改革委、商务部、反垄断执法机构等)、审批流程、审批结果、审批时间。二是合规信息。合规信息包括是否存在违规处罚(处罚原因、处罚金额)、信息披露的完整性与及时性、是否涉及反垄断审查等。应用场景主要包括监管政策对并购活动的影响研究、信息披露质量与并购风险的关联分析、反垄断审查对并购交易的制约作用研究等。
并购研究数据的标准化查找现状
(一)可标准化查找的数据类型及获取渠道
当前,部分并购数据已实现标准化,能够通过相关渠道高效获取。核心类别包括交易基础信息类数据、部分交易定价与估值类数据(如交易总额、每股收购价格、各支付方式的占比等)、部分业绩承诺与对赌协议类数据(如承诺主体、承诺期限、承诺业绩、补偿方式等)、部分支付方式重组形式与融资类数据(如支付方式、重组形式)、部分交易主体性质与治理类数据(如主体性质、股权结构等)。此类数据具有格式统一、字段定义清晰、可批量获取、核查难度低等标准化特征。
主流获取渠道分为四类:一是专业数据库,如万得(Wind)、东方财富、同花顺等,这些数据库对并购数据进行了系统整理与标准化处理,提供便捷的检索与导出功能,是科研机构与企业开展并购研究的主要数据来源;二是监管机构官网,如证监会、上交所、深交所、北交所、发改委等,发布并购交易的审批文件、监管政策、违规处罚信息等官方数据;三是企业公告平台,如巨潮资讯网、东方财富网、上市公司官网等,发布上市公司并购的预案报告书、草案报告书、相关决议公告、审计报告、评估报告等原始数据;四是行业统计年鉴,如《中国统计年鉴》、各行业发展报告等,提供行业层面的并购相关数据。
(二)无法标准化查找的数据类型及成因
与可标准化数据相比,仍有大量并购数据难以实现标准化查找,核心类别包括:交易定价与估值类数据中的关键估值参数(折现率、预测期、未来年度盈利预测数据)、交易相关的市净率、市盈率(基于业绩承诺数据测算)。业绩承诺与对赌协议类数据中的承诺业绩实际完成数据、补偿金额及执行情况、业绩奖励及执行情况。支付方式、重组形式与融资类数据中的现金支付下被收购方股东的“返投”义务、融资渠道信息。交易双方行业与竞争类数据中交易双方的行业分类标准不统一,行业竞争格局信息披露差异较大。交易主体性质与治理类数据中被收购方管理团队安排、控制权变更的相关安排。并购后整合与绩效类数据中的整合策略、整合效果数据。
(三)数据标准化的核心痛点
并购研究数据难以标准化查找,成因复杂且核心痛点突出。成因主要包括信息披露不充分、数据非结构化、数据分散化、数据主观性强及数据库覆盖不足。核心痛点则体现在四方面:一是数据完整性不足,关键细节缺失,易导致研究结论出现偏差;二是数据时效性差异,部分滞后数据影响研究及时性;三是跨数据库数据不一致,统计口径差异增加核查成本;四是非标准化数据处理成本高,人工操作效率低且易产生误差,影响研究客观性。
无法标准化查找并购数据的优化建议
(一)完善信息披露制度,夯实数据标准化基础
新“国九条”着重强调规范并购重组行为,证监会不断完善并购重组信息披露规则,国家金融监督管理总局等部委协同出台配套监管要求,以顶层设计与部门规章为指引,推动并购数据、金融数据披露规范化、透明化,为市场监管提供制度支撑。为规范并购市场信息披露,提升信息质量,需从规则细化与监管强化两方面发力:规则层面,应进一步细化披露要求,将核心非标准化数据纳入强制披露范畴,明确企业需详尽披露业绩承诺与对赌协议的全部条款、估值方法选择依据及参数测算过程、全融资渠道的金额与利率等信息;同时制定统一披露模板,规范数据字段定义与行业分类等标准,保障数据可比性与标准化处理效率;监管层面,依托大数据、人工智能技术建立多维度实时核查机制,通过文本挖掘、跨数据比对核查信息完整性与真实性;大幅提高违规成本,对企业及中介机构的隐瞒、虚假或延迟披露行为实施罚款、市场禁入等严厉处罚,强化披露主体责任意识。
(二)搭建多元化数据整合平台,提升数据获取效率
我国着力推进金融数据要素市场化建设,证监会持续完善并购重组数据监管与信息公开制度,各部委协同健全金融数据统计、归集与共享规则,鼓励第三方数据机构规范发展,为并购数据整合、标准统一与高效利用提供政策与制度保障。持续引导第三方专业数据库企业发挥技术与资源优势,开展非标准化数据的收录与标准化处理工作。鼓励数据库企业通过人工标注、文本挖掘、机器学习等方式,从并购原始公告、内部报告中提取细节数据,如业绩承诺细节、整合措施等,形成结构化字段;针对跨数据库数据不一致问题,由行业协会组织制定统一的数据统计口径标准,推动各数据库企业按标准进行数据校准,建立数据一致性核查机制。此外,支持数据库企业开发个性化数据服务,满足不同研究场景的需求,如为学术研究提供定制化的数据提取与分析工具。
(三)运用技术手段,破解非标准化数据处理难题
为提升并购非标准化数据处理效能,推动数据驱动决策,可从两大方向推进优化。其一,深化自然语言处理(NLP)技术应用,实现文本数据的结构化转化。重点从并购公告中提取业绩承诺条款、补偿方式等定性信息,从审计报告中抓取估值参数测算、盈利预测假设等细节,从监管处罚文件中提炼违规原因、处罚类型等内容,均转化为可量化的标准化数据。其二,依托大数据与人工智能实现数据关联补全。通过整合工商、行业、舆情、司法等多源数据,补全非公开融资渠道、关联交易细节等隐性信息;利用机器学习对数据分类编码,如划分整合措施类型、评定并购风险等级,提升标准化水平;同步构建数据质量评估模型,对补全数据开展核查,保障数据可靠性。
(四)加强行业协作与研究支持,完善数据应用生态
国家发展改革委、国家数据局、证监会、国家金融监督管理总局等多部门联合发文,鼓励产学研协同、数据共享与科研赋能,以政策引导行业协作,为并购数据标准化建设与应用生态完善提供制度保障。围绕并购数据标准化建设,多维度推进提升工作。一是推动产学研协同攻关,建立协同机制联合高校、科研机构、企业等开展标准化研究,合作开发非标准化数据处理工具并共享经验模型;组建研究联盟制定标准与处理指南,开展验证推广,定期举办研讨会交流成果、推动技术创新普及。二是定向支持学术研究,在严守隐私法规前提下,推动数据库企业与监管机构向科研机构开放脱敏非公开数据,搭建学术数据共享平台,设立专项基金支持前沿研究。三是提升使用者标准化处理能力,开展专业培训,邀请专家讲解数据分类、文本挖掘等技术与评估方法,编制发布处理指南规范流程,开发工具包降低处理成本。
(五)平衡数据应用与隐私保护,明确数据使用边界
金融监管部门高度重视并购领域数据安全治理,国家数据局、国家金融监督管理总局等部委推进金融数据分类分级与隐私合规建设,相关部委以顶层政策划定数据使用红线,为平衡并购数据应用与隐私保护提供权威指引。在推动并购数据标准化的同时,严格遵守《数据安全法》《个人信息保护法》等相关法规,平衡数据应用与隐私保护的关系。建立并购数据脱敏规则,明确需要脱敏的信息类型,如企业商业秘密、个人敏感信息等,确保数据在使用过程中不泄露敏感信息;规范数据使用权限管理,对不同主体(科研机构、企业、监管部门)的数据使用权限进行分级授权,建立数据使用追溯机制,防止数据滥用;加强数据安全技术研发与应用,采用加密存储、访问控制、安全审计等技术手段,保障并购数据的存储与传输安全。
研究结论
本文系统研究了并购研究中的数据应用问题,得出以下核心结论:一是并购研究的数据需求具有多元性,可分为交易基础信息类、交易定价与估值类、业绩承诺与对赌协议类、支付方式重组形式与融资类、交易双方行业与竞争类、交易主体性质与治理类、并购后整合与绩效类、监管与合规类八大类,涵盖并购全流程。
二是目前并购领域已有部分数据实现标准化,涵盖交易基础信息、部分定价估值、业绩承诺、支付重组及主体治理等类别,具备格式统一、可批量获取、核查便捷的特征。同时,仍有大量并购数据难以标准化查找,涉及估值关键参数、业绩承诺落地数据、返投义务、行业竞争信息、团队安排及并购整合成效等核心内容。这类数据难以实现标准化,既源于信息披露不充分、数据非结构化等多重因素,也因存在数据完整性不足、时效性参差等核心痛点,对并购研究造成诸多不利影响。
三是优化无法标准化并购数据的采集问题,需从完善信息披露制度、搭建多元化数据整合平台、运用技术手段、加强行业协作、平衡数据应用与隐私保护五个维度协同发力。
(作者何宇为东北证券投资银行管理总部副总经理,吴燕华、孙伯伦为东北证券投行战略研究部研究员)
主要参考文献
①Moeller SB,Schlingemann FP,Stulz RM.Firm Size and the Gains from Acquisitions[J].Journal of Financial Economics,2004,73(2):201-228.
②Stewart CR.Appraisal rights and corporate disclosure during mergers and acquisitions[J].Journal of Accounting and Economics,2023.
③Zoran MF,Alexander FW.The Intangibles Song in Takeover Announcements:Good Tempo, Hollow Tune[J].The Review of Financial Studies,2025.
④刘淑莲,张广宝,耿琳.并购对价方式选择:公司特征与宏观经济冲击[J].审计与经济研究,2012,27(04):55-65.
⑤罗进辉,巫奕龙,刘海潮等.亲清政商关系的绿色治理效应——来自绿色并购的证据[J].财经研究,2023,49(11):34-49.
责任编辑:韩胜杰