ارزش اطلاعاتی بیانیه های مطبوعاتی M&A

خلاصه

نظرات مدیران در مورد معاملات ادغام چگونه است ؟ با تجزیه و تحلیل اعلامیه‌های عمومی اولیه ادغام و خرید (M&A) از سال 1995 تا 2020 و استخراج احساسات زبانی از اظهارات مدیران شرکت‌های هدف و خریدار، ما شواهد جدیدی در مورد ارزش اطلاعاتی افشای M&A ارائه می‌کنیم. ما متوجه شدیم که احساسات مثبت توسط شرکت هدف منجر به بازده مثبت برای هدف می شود. با این حال، زمانی که شرکت هدف با احساسات خریدار مخالف باشد، این منجر به بازده کمتری برای هدف می شود. علاوه بر این، هنگامی که هدف احساسات مثبت نشان می دهد، این احتمال تکمیل ادغام را افزایش می دهد و زمان تکمیل معامله را کوتاه می کند. ما احساسات خریدار را به اجزای دستکاری و بنیادی تجزیه می‌کنیم و نشان می‌دهیم که مدیران عامل خریدار با اطمینان پایین، اظهارات M&A را تولید می‌کنند که بیشتر دستکاری می‌شوند. این نشان می دهد که، در حالی که احساسات در افشای M&A حاوی اطلاعاتی در مورد اصول و نگرش های مدیریتی است، می توان آن را برای محافظت از منافع شخصی مدیران دستکاری کرد.

کلید واژه ها

M&A

اطلاعیه های عمومی اولیه

تحلیل متنی

احساسات

اختلاف نظر

مدیر عامل اعتماد بیش از حد

طبقه بندی JEL

G14

G34

1 . معرفی

ادغام و خرید (M&A) برای رشد یک شرکت و توسعه استراتژیک بلندمدت آن حیاتی است. هدف خریدار این است که یک معامله (معامله) M&A را با موفقیت انجام دهد تا بتواند از مزایای اقتصادی هم افزایی مانند مزیت رقابتی، افزایش سهم بازار یا ادعای قدرت بیشتر بر کاهش هزینه های زنجیره تامین برخوردار شود. بیانیه مطبوعاتی در مورد معامله M&A اولین اطلاعیه کلیدی در جدول زمانی M&A است زیرا حاوی اطلاعات کمی و کیفی است که به سرمایه گذاران و سرمایه گذاران هدف امکان می دهد تا احتمال موفقیت معامله و ارزش آن را بسنجند. اعلامیه مطبوعاتی می تواند توسط خریدار، هدف یا از طریق بیانیه مشترک هر دو طرف منتشر شود.

در این مطالعه، ما به دنبال تعمیق درک ارزش اطلاعاتی احساسات مدیریتی خریداران و اهداف در اعلامیه‌های معاملات M&A هستیم. ادبیات به طور کلی نشان می دهد که معاملات M&A ارزش را برای سهامداران خریدار از بین می برد و برای سهامداران هدف ایجاد ارزش می کند (به عنوان مثال، برادلی و همکاران، 1988 ؛ Servaes، 1991 ؛ Kaplan و Weisbach، 1992 ؛ Mulherin and Boone، 2000 ؛ Andrade et al., 20). ). اولین پیش‌بینی ما بر این تمرکز دارد که آیا احساسات مدیریتی مثبت توسط هدف یا خریدار، بازده غیرعادی مثبت را نشان می‌دهد یا خیر. دوم، بررسی می‌کنیم که آیا اختلاف بین احساسات مدیریتی شرکت‌های خریدار و هدف، بر احتمال و زمان صرف شده برای تکمیل معامله تأثیر منفی می‌گذارد یا خیر. در نهایت، ما حدس می‌زنیم که ویژگی‌های مدیریتی مانند اعتماد بیش از حد مدیر عامل در دستکاری احساسات بیانیه مطبوعاتی نقش دارند، زیرا انگیزه قوی برای مدیران عامل کم‌اطمینان برای استفاده از احساسات مثبت در بیانیه‌های مطبوعاتی برای محافظت در برابر کاهش قیمت سهام خریدار به منظور محافظت از آنها وجود دارد. ارزش سهامی که دارند.

ما اطلاعاتی را از SDC Platinum در مورد 2944 معامله M&A داخلی ایالات متحده که بین سال‌های 1995 تا 2020 اعلام شده بود، به‌دست آوردیم و به‌طور دستی آن را با انتشارات مطبوعاتی مربوطه از پلتفرم EDGAR ادغام کردیم تا مجموعه داده‌ای برای محاسبه سنجش احساسات مدیریتی ما ایجاد کنیم. در نمونه ما، کلمات متداول مانند “باور” یا “هیجان زده” نشان دهنده استفاده مکرر از کلمات احساسی در بیانیه های مطبوعاتی است، که نشان می دهد این کلمات ممکن است اطلاعات ارزشمندی باشند. ما بخش‌های متن را در هر بیانیه مطبوعاتی M&A با توجه به اینکه آیا بیانیه‌ای توسط مدیر خریدار یا شرکت هدف یا هیچ یک از طرفین بیان شده است، طبقه‌بندی کردیم و احساسات را با استفاده از کلمات مثبت و منفی در هر دسته اندازه‌گیری کردیم. یان (2015) نگرش مدیران را از طریق محتوای پرونده های کمیسیون بورس و اوراق بهادار ایالات متحده (SEC) قبل و بعد از اعلام M&A تجزیه و تحلیل می کند و نشان می دهد که زبان خوش بینانه با عملکرد ضعیف در درازمدت مرتبط است. با این حال، ما بر روی بیانیه‌های مطبوعاتی M&A تمرکز می‌کنیم، که بیشتر مشاهده می‌شوند، ¹ و متعاقباً برای مقالات خبری قبل و بعد از اعلامیه‌های M&A کنترل می‌شوند. تا جایی که می دانیم، ما اولین کسانی هستیم که اعلامیه های مطبوعاتی M&A را بر اساس اظهارات مدیران شرکت های خریدار و هدف به اجزای احساسی جداگانه تقسیم می کنیم.

طرح تحقیق ما شامل سه نوآوری کلیدی است. اول، تحلیل ما با ناهمگونی بیانیه های مطبوعاتی و وقوع، قالب و محتوای بیانیه های مدیریتی در آنها تسهیل می شود. به عنوان مثال، برخی از بیانیه‌های مطبوعاتی حاوی بیانیه‌های مدیریتی از سوی خریدار و شرکت‌های هدف هستند، در حالی که برخی دیگر فقط اظهارات مدیریتی از یک شرکت دارند. مثال دیگر این است که برخی از بیانیه های مطبوعاتی شامل کلمات پرخاشگرانه یا حتی توهین آمیز هستند، ² در حالی که برخی دیگر از زبان مثبت بیشتری استفاده می کنند. دوم، در تنظیمات M&A، احساسات مدیریتی می‌تواند اطلاعات ارزشمندتری را نسبت به احساسات رسانه‌ها (یا سرمایه‌گذاران) نشان دهد، زیرا این مورد بر اساس تعداد زیادی از مقالات روزنامه‌ای است که سرمایه‌گذاران به آنها توجه می‌کنند و اینها عمدتاً دیدگاه مدیریت شرکت را نادیده می‌گیرند. . احساسات مدیریتی ما از بیانیه‌های مطبوعاتی M&A منتشر شده توسط شرکت‌های درگیر به‌دست می‌آید، و بنابراین استراتژی، اولویت‌ها و نگرش مدیریت را نسبت به چشم‌انداز تأثیر معامله M&A نشان می‌دهد (مالمندیر و تیت، 2008؛ یان ، 2015 ) . احساسات مدیریتی از تکنیک تحلیل متن مبتنی بر فرهنگ لغت لوگرن و مک دونالد (2016) استفاده می کند تا میزان لحن های مثبت و منفی را در متن بیانیه های مطبوعاتی به تصویر بکشد. سنجش احساسات ما بر اساس معیار فیلیپ و همکاران (2022) از اطلاعات کیفی بهبود می‌یابد که بر اساس فراوانی اصطلاحات مرتبط با محرک‌های ارزش شرکت (رشد، هم افزایی، سرمایه انسانی، برندها، مشتریان و فناوری) است که در بیانیه های مطبوعاتی M&A سوم، ما احساسات خریدار را به اجزای دستکاری و بنیادی تجزیه می کنیم (به عنوان مثال، بیکر و ورگلر، 2006 ؛ لمون و پورنیاگوینا، 2006 ؛ هریبار و همکاران، 2017 ) را برای بررسی اینکه آیا مدیریت خریدار اطلاعات مربوط به معاملات M&A را دستکاری می کند یا خیر. جزء دستکاری با استخراج مدت باقیمانده رگرسیون ما از احساسات خریدار در مورد معامله، شرکت خریدار، و ویژگی های شرکت هدف به دست می آید.

نتایج ما نشان می‌دهد که وقتی مدیریت شرکت هدف احساسات مثبتی را در مورد یک معامله منتقل می‌کند، این منجر به بازده مثبت می‌شود. با این حال، زمانی که شرکت هدف با احساسات خریدار مخالف باشد، این منجر به بازده کمتری برای هدف می شود. از منظر اقتصادی، افزایش یک انحراف معیار در احساسات هدف منجر به افزایش تقریباً 2.5٪ در بازده سهام هدف می شود . جالب توجه است، طرف خریدار چنین واکنش‌هایی را در بازار سهام نشان نمی‌دهد، مگر در محیطی با سطوح بالای عدم تقارن اطلاعاتی ، که در آن احساسات مثبت بیشتر از سوی خریدار با بازده غیرعادی کمتر همراه است. علاوه بر این، شواهدی از پیامدهای «اثر واقعی» پیرامون تأثیر احساسات مدیریتی بر احتمال موفقیت معامله پیدا کردیم. ما نشان می‌دهیم که عدم توافق بین احساسات مدیریتی شرکت‌های خریدار و هدف، احتمال تکمیل ادغام را کاهش می‌دهد و منجر به زمان طولانی‌تری برای تکمیل می‌شود. به طور خاص، ما بررسی می کنیم که آیا احساسات هدف پیش بینی می کند که معامله تکمیل شود یا بعداً لغو شود. در نتیجه نتایج ما نشان می دهد که تعداد روزهای صرف شده برای تکمیل یک معامله به طور قابل توجهی حدود 6.6 روز با افزایش یک انحراف استاندارد در احساسات هدف کاهش می یابد. باز هم متوجه می‌شویم که نه احساسات خریدار و نه مخالفت آن با احساسات هدف تأثیری بر بازار سهام یا احتمال موفقیت معامله ندارد. در اطلاعیه های عمومی اولیه، مدیران اظهارات (شخصی) را ارائه می کنند که ممکن است حاوی اطلاعات ارزشمندی باشد که به سرمایه گذاران شرکت مربوط می شود. ³

ما متوجه شدیم که تجزیه ما از مولفه دستکاری احساسات خریدار توسط ارزش غیرصفر این باقیمانده ها پشتیبانی می شود، که نشان می دهد تأثیر مولفه دستکاری شده احساسات خریدار ممکن است از طریق بازده سهام در طول دوره اعلام مشاهده نشود. به طور خاص، یافته‌های تجربی ما نشان می‌دهد که مولفه دستکاری احساسات خریدار برای مدیران اجرایی خریدار با اعتماد پایین مثبت‌تر است. این نشان می دهد که مدیران عامل خریدار با علاقه شخصی در شرکت خریدار ممکن است انگیزه ایجاد اظهارات M&A که حاوی سطوح بالاتری از احساسات مثبت باشد، شوند. ما دریافتیم که احساسات بیانیه مطبوعاتی حاوی اطلاعاتی در مورد اصول و نگرش های مدیریتی است و احساسات کسب کننده می تواند برای محافظت از منافع شخصی مدیران دستکاری شود.

تست‌های استحکام نشان می‌دهد که واکنش بازار سهام حول اعلامیه‌های M&A و احتمال تکمیل معامله به طور قابل‌توجهی تحت‌تاثیر وجود بیانیه‌ای از هدف قرار دارد. آنها همچنین نشان می‌دهند که نتایج ما تحت تأثیر سوگیری احتمالی خود انتخابی قرار نمی‌گیرد، جایی که مدیریت ممکن است خود انتخاب کند تا انتشارات مطبوعاتی را آغاز کند. ما همچنین دو توضیح احتمالی دیگر را رد می کنیم که چرا سرمایه گذاران در تصمیمات سرمایه گذاری خود احساسات خریدار را در نظر نمی گیرند. اولاً، ما شواهدی پیدا نکردیم که سرمایه‌گذاران قبل از اعلام M&A احساسات خریدار را پیش‌بینی کنند. دوم، بررسی می‌کنیم که آیا مؤلفه‌های بنیادی و دستکاری احساسات مدیریتی یکدیگر را در تأثیرشان بر بازده سهام جبران می‌کنند یا خیر. ما چنین تأثیری را پیدا نمی کنیم. بعلاوه، ما با حذف مولفه دستکاری احساسات اکتسابی از تفاوت خام احساسات هدف و گیرنده، عدم توافق مؤلفه اساسی احساسات را بین هدف و گیرنده ایجاد می کنیم. نتایج اختلاف بنیادی ما تأثیر منفی بر بازده سهام و نتایج معاملات را نشان می‌دهد. این همچنین نشان می‌دهد که اختلاف بین هدف و خریدار به دلیل آلودگی مولفه احساسات دستکاری در سمت خریدار، نتایج قابل‌توجهی به همراه ندارد.

ما با بررسی اینکه آیا احساسات مدیریتی استخراج شده از بیانیه های مطبوعاتی با استفاده از تجزیه و تحلیل متنی، اطلاعات مرتبطی را برای فعالان بازار در تنظیمات M&A فراهم می کند، به ادبیات احساسات پیرامون اعلامیه های M&A کمک می کنیم. ما نشان می‌دهیم که بیانیه‌های مطبوعاتی M&A اطلاعات جدیدی را نشان می‌دهد و سرمایه‌گذاران قیمت سهام شرکت‌های درگیر را دوباره ارزیابی می‌کنند. یافته‌های ما همچنین نشان می‌دهد که بازده سهام پیرامون معاملات M&A شامل اطلاعات کمی و کیفی است ( فیلیپ و همکاران، 2022 ). ما نشان می‌دهیم که احساسات هدف بر بازده سهام و موفقیت معامله تأثیر دارد، که نشان می‌دهد بیانیه‌های مطبوعاتی شرکت‌های هدف، اطلاعات کمی و اساسی در مورد معاملات M&A را منتقل می‌کنند.

مطالعه ما همچنین به ادبیات رو به رشد در مورد تجزیه و تحلیل متن و احساسات در افشای شرکت ها اضافه می کند. مطالعات قبلی بر احساسات در بیانیه‌های مطبوعاتی ( Arslan-Ayaydin و همکاران، 2016 )، تماس‌های کنفرانسی ( Maew and Venkatachalam، 2012 ؛ Jiang و همکاران، 2019 )، و پرونده‌های نظارتی اجباری، مانند 10-K یا 10-Q تمرکز می‌کنند. گزارش ها ( فلدمن و همکاران، 2009 ؛ لوگرن و مک دونالد، 2011 ). ادبیاتی که احساسات پیرامون اعلامیه‌های M&A را تحلیل می‌کند، از پوشش رسانه‌ای استفاده می‌کند و تأثیر آن را بر معاملات M&A نشان می‌دهد (به عنوان مثال، لیو و مک‌کانل، 2013 ؛ آهرن و سوسیورا، 2014 ؛ لیائو و همکاران، 2021 ). یک مطالعه مرتبط، مطالعه ای است که توسط برنز و همکاران انجام شده است. (2019) ، که دریافته است که لحن در بحث مدیریت گزارش های سالانه فعالیت های M&A آینده را پیش بینی می کند. هو و همکاران (2021) از اسکریپت های تماس کنفرانسی و پرونده های SEC قبل از اعلامیه های M&A برای بررسی فعالیت های M&A شرکت ها استفاده کنید. رویکرد مشابهی توسط داسگوپتا و همکاران استفاده شده است. (2020) ، که نشان می‌دهد تماس‌های بلافاصله قبل از اعلام M&A با بازده غیرعادی مثبت و احتمال تکمیل معامله همراه است. به طور خاص، ما بر احساسات مدیریتی در بیانیه‌های مطبوعاتی M&A تمرکز می‌کنیم و شواهد جدیدی ارائه می‌کنیم که نشان می‌دهد سرمایه‌گذاران احساسات موجود در بیانیه‌های مطبوعاتی M&A منتشر شده توسط مدیریت را به عنوان یک عامل تعیین‌کننده مهم در تصمیمات سرمایه‌گذاری خود در نظر می‌گیرند. علاوه بر احساسات رسانه ای در مقالات خبری درباره اعلام معامله، متغیر احساس ما حاوی اطلاعات منحصر به فرد و افزایشی از شرکت های درگیر در معامله است ( جیانگ و همکاران، 2019 ).

در نهایت، ما ادبیات رو به رشد در مورد رفتار استراتژیک خریدارها در M&A را گسترش می‌دهیم (به Ahern and Sosyura، 2014 ؛ Huang et al., 2014 ; He et al., 2020 مراجعه کنید ) با نشان دادن اینکه خریدارها تمایل دارند احساسات مدیریتی را به طور استراتژیک دستکاری کنند. نتیجه ما نیز با شواهد Danbolt و همکاران سازگار است. (2015) ، که نشان می دهد سطح عدم تقارن اطلاعات در طول فرآیند M&A افزایش می یابد. یافته‌های ما در مورد انگیزه‌های دستکاری احساسات خریدار به بحث اخیر می‌افزاید که مدیران اجرایی با اعتماد به نفس کمتر احتمالاً به احساسات مدیریتی خود توجه بیشتری می‌کنند. تمرکز ما بر افشای M&A فراتر از تنظیمات افشای سود است که در چن و همکاران بررسی شده است. (2021) . در نهایت، نتایج ما در مورد تأثیر اعتماد بیش از حد مدیرعامل بر دستکاری احساسات خریدار برای تنظیم‌کننده‌هایی که بر انواع اطلاعاتی که باید در بیانیه‌های مطبوعاتی M&A و الزامات گزارش‌گری مالی اجباری گنجانده شود، مانند دستورالعمل کمیسیون اروپا (EC) در سال 2003، مورد توجه قرار خواهد گرفت. در مورد افشای گزارشگری مالی

بقیه مقاله به شرح زیر سازماندهی شده است. بخش 2 فرضیه های ما را توسعه می دهد. بخش 3 فرآیند جمع آوری داده ها را توضیح می دهد و متغیرهای مورد استفاده در تجزیه و تحلیل ما را تعریف می کند. بخش 4 نتایج تجربی را برای تأثیرات احساسات در بیانیه های مطبوعاتی اولیه بر بازده سهام و نتایج معاملات ارائه می دهد. بخش 5 به بررسی محرک های اساسی احساسات مدیریتی در بیانیه های مطبوعاتی می پردازد. بخش 6 ارزش اطلاعاتی اعلامیه های اولیه معاملات عمومی را مورد بحث قرار می دهد و توضیح می دهد که چگونه انتشار بیانیه های مطبوعاتی مشمول سوگیری انتخاب خود نیست. بخش 7 به پایان می رسد.

2 . ادبیات و توسعه فرضیه

ادبیات نشان می‌دهد که اعلان‌های معامله M&A عموماً منجر به کاهش ارزش برای سهامداران خریدار می‌شود، اما باعث افزایش ارزش برای سهامداران هدف می‌شود (به عنوان مثال، در میان دیگران، Bradley و همکاران، 1988 ؛ Servaes، 1991 ؛ Kaplan and Weisbach، 1992 ؛ Mulherin و Boone، 2000 ؛ آندراد و همکاران، 2001 ). مهمتر از آن، معلوم شد که اطلاعات کیفی، کمی و مالی مندرج در اعلامیه‌های معاملات تأثیر با اهمیتی بر قیمت سهام شرکت‌های هدف و خریدار دارد، زیرا انتظار می‌رود سرمایه‌گذاران اطلاعات را برای تصمیم‌گیری آگاهانه سرمایه‌گذاری تفسیر کنند. برای مثال، تراولوس (1987) دریافت که اطلاعاتی که در اطلاعیه های معامله در مورد روش پرداخت ارائه شده ارائه شده است، بازده غیرعادی خریدار را توضیح می دهد. مولر و همکاران (2005) زیان 12 درصدی را برای سهامداران خریدار حول اعلامیه های معاملات M&A از سال 1988 تا 2001 ثبت کرد و بازده منفی را به تعداد کمی از خریدها توسط شرکت هایی با ارزش گذاری بالا (نسبت دفتری به بازار پایین) نسبت داد. اشمیت (2015) نشان می‌دهد که اطلاعات کیفی، مانند روابط اجتماعی مدیرعامل و اعضای هیئت‌مدیره، بر بازده خریدار حول اعلان‌های معامله بسته به عملکرد اصلی هیئت مدیره که توسط شرکت مورد نیاز است، تأثیر می‌گذارد. زمانی که یک شرکت بر اساس نیازهای مشاوره هیئت مدیره (نظارت) هدایت می شود، هیئت مدیره های مستقل کمتر با بازده اعلامی خریدار بالاتر (کمتر) همراه هستند. فیلیپ و همکاران (2022) همچنین نشان می‌دهد که اطلاعات مربوط به محرک‌های ارزش شرکت کلیدی در اعلامیه‌های معاملات سود کمتری دارد یا حتی ارزش را در سمت خریدار کاهش می‌دهد، همانطور که با کاهش متوسط قیمت سهام شرکت‌های پیشنهادی نشان داده می‌شود. بنابراین، شواهد تجربی موجود به وضوح نشان می‌دهد که اطلاعات با اهمیت در اعلامیه‌های معامله M&A نقش مهمی در بازدهی شرکت‌های خریدار و هدف دارد.

به طور خاص، ادبیات مالی شرکت ها تا حد زیادی تغییرات متقاطع در بازده اعلام M&A را مورد بررسی قرار نداده است. ما در نظر داریم که احساسات مدیریتی در بیانیه‌های مطبوعاتی M&A حاوی اطلاعات ارزشمندی برای بازار مالی است، زیرا تغییرات متقابل بازده اعلام M&A را توضیح می‌دهد و قدرت پیش‌بینی در موفقیت معامله و زمان تکمیل آن را فراهم می‌کند (به عنوان مثال، Travlos، 1987؛ Moeller et al . ، 2005 ؛ گلوبوف و همکاران، 2015 ؛ فان، 2015 ؛ اشمیت، 2015 ).

بنابراین ما پیش‌بینی می‌کنیم که احساسات مدیریتی مثبتی که در بیانیه‌های مطبوعاتی M&A منتقل می‌شود، منجر به نتایج ارزش‌آفرینی، به‌ویژه برای شرکت‌های هدف می‌شود. این بیانیه را می توان به عنوان فرضیه ارزش آفرینی احساسات مدیریتی ما به صورت زیر رسمیت داد:

: احساسات مدیریتی مثبت هم از طرف هدف و هم از طرف خریدار منجر به بازده غیرعادی مثبت در مورد معاملات M&A می شود.

در نتیجه، ما تأثیر سطوح بالاتر اختلاف نظر بین احساسات مدیریتی شرکت‌های هدف و خریدار را بر بازده اعلامی در نظر می‌گیریم. ما پیش‌بینی می‌کنیم که اختلاف نظر بین هدف و خریدار سیگنال‌های مثبت در ارزش شرکت هدف (و خریدار) را کاهش دهد، در نتیجه بازده اعلام هدف و احتمال تکمیل ادغام را کاهش می‌دهد و منجر به زمان طولانی‌تری برای تکمیل معامله می‌شود . این عبارت را می توان به عنوان فرضیه دوم ما به صورت زیر رسمیت داد:

: عدم توافق بین احساسات مدیریتی شرکت های خریدار و هدف، احتمال تکمیل ادغام را کاهش می دهد و زمان تکمیل معامله را به تاخیر می اندازد.

سوم، Ahern و Sosyura (2014) نشان می دهند که خریدارها به طور استراتژیک احساسات در اطلاعات اخبار شرکت را در مورد معاملات M&A دستکاری می کنند تا قیمت سهام خود را قبل از اعلام M&A افزایش دهند زیرا مدیران انگیزه دارند ارزش اطلاعاتی آن را کاهش دهند، از منافع مالکیت سهام شخصی خود محافظت کنند و پنهان کنند. هم افزایی M&A واقعی از سوی سرمایه گذاران. در نتیجه، سرمایه گذاران خارجی مجبور به بی اعتمادی به مدیریت خریدار هستند و تمایلی به در نظر گرفتن احساسات انتشار مطبوعاتی در تصمیمات تجاری خود ندارند. شواهد پشتیبان مربوطه توسط Huang و همکاران ارائه شده است. (2014) ، که گزارش می دهند که شرکت ها از مدیریت لحن در بیانیه های مطبوعاتی سود استفاده می کنند. او و همکاران (2020) نشان می دهد که شرکت های پیشنهاد دهنده انتظارات تحلیلگر را مدیریت می کنند زیرا آنها انگیزه های قوی برای افزایش ارزش شرکت خود قبل از اعلامیه های تصاحب دارند.

از این رو، ما بر ویژگی‌های مدیری تمرکز می‌کنیم که می‌تواند باعث دستکاری احساسات انتشار مطبوعاتی M&A شود. به طور خاص، ما بر اعتماد بیش از حد مدیر عامل تمرکز می کنیم زیرا مدیران عامل با اعتماد به نفس بیش از حد ممکن است به دو دلیل تشویق شوند تا احساسات خود را در معاملات M&A دستکاری کنند: برای دستیابی به هم افزایی معاملات بهتر یا محافظت از منافع مالکیت سهام شخصی خود. اولین مورد مربوط به مدیران دارای اعتماد به نفس بیش از حد شرکت‌های خریدار است که انتظار می‌رود از هم‌افزایی سود بیشتری ببرند، زیرا شرکت هدف را پس از ادغام کارآمدتر اداره می‌کنند. به عنوان مثال، رول (1986) نشان می دهد که مدیران عامل با اعتماد به نفس بیش از حد به توانایی خود برای اداره شرکت مورد نظر کارآمدتر اعتقاد دارند. در این مورد، مدیران عامل بیش از حد اعتماد به نفس نسبت به موفقیت شرکت ادغام شده خوش بین هستند و انتظار می رود که احساسات مثبت را از طریق بیانیه های مطبوعاتی منتقل کنند.

در مقابل، برای محافظت از ارزش مالکیت سهام شخصی خود، از مدیران عامل خریدار با اعتماد پایین انتظار می‌رود که احساسات مثبت را در بیانیه‌های مطبوعاتی به منظور کاهش نگرانی‌های سرمایه‌گذاران و جلوگیری از سقوط قیمت سهام خریدار منتقل کنند (Gamache et al., 2019 ) . ادبیات مرتبط شامل مطالعه De Amicis و همکاران است. (2021) ، که نشان می دهد مدیران عامل با اعتماد به نفس بیش از حد تأثیر منفی بر احساسات بحث های مدیریت در تماس های کنفرانسی سود دارند. از این رو، ما دو رشته متضاد این استدلال را با رسمیت بخشیدن به فرضیه سوم به صورت زیر آزمایش می کنیم:

: مدیران عامل خریدار با اعتماد به نفس کمتر، احساسات مثبت را در بیانیه های مطبوعاتی در مورد معاملات M&A دستکاری و استفاده می کنند.

3 . داده ها و آمار توصیفی

3.1 . داده ها

نمونه اصلی ما شامل ادغام های داخلی ایالات متحده از ژانویه 1995 تا دسامبر 2020 است که بیانیه مطبوعاتی مربوطه برای آن در سیستم SEC EDGAR یافت شد. ما سال 1995 را به عنوان سال شروع انتخاب کردیم زیرا سیستم EDGAR در اواخر سال 1994 شروع به کار کرد. ما تمام معاملات شرکت های دولتی ایالات متحده را که به طور رسمی بین سال های 1995 و 2020 اعلام شده بودند و قبل از پایان سال 2020 تکمیل یا خارج شدند را شامل شد. منبع اصلی برای داده های M&A Refinitiv SDC Platinum است. مطابق با ادبیات M&A (به عنوان مثال، Derrien و همکاران، 2023 )، ما شرکت ها را از صنعت مالی (طبقه بندی استاندارد اولیه صنعت (SIC) کدهای 6000-6999) و بخش خدمات (کدهای SIC 4900-4999) حذف کردیم. محیط تنظیم شده برای جلوگیری از اینکه نتایج ناشی از معاملات کوچکتر باشد، آستانه تراکنش را معرفی کردیم و فقط معاملاتی با حداقل ارزش تراکنش 1 میلیون دلاری (که در سال 2009 کاهش یافت) را شامل شد. یک معیار اضافی برای تجزیه و تحلیل ما این بود که هم شرکت خریدار و هم شرکت هدف، شرکت های سهامی عام هستند. برای جلوگیری از در نظر گرفتن تصاحب هایی که به دلیل قیمت هدف پایین سهام انجام می شود، شرکت های هدف غیرفعال را که به عنوان شرکت هایی با قیمت سهام یک ماهه زیر 1 دلار قبل از اعلام M&A تعریف می شوند، حذف کردیم. علاوه بر این، ما تمام معاملات «شایعه» را حذف کردیم و فقط خریدهای اکثریت را در نظر گرفتیم، به عنوان مثال، خریدهایی که در آن خریدار کمتر از 50٪ از هدف را قبل از اعلام در اختیار داشت و از طریق معامله M&A سهام کنترلی (بالای 50٪) را به دست آورد. برای حذف بازخرید سهام، معاملاتی را حذف کردیم که در آن خریدار و هدف یک شرکت بودند. همچنین معاملاتی را که خریدار بیش از یک معامله را در یک روز معین اعلام کرده بود، کنار گذاشتیم. این به ما یک مجموعه داده با 2944 معامله M&A داد.

سپس، ما به صورت دستی بیانیه مطبوعاتی رسمی M&A اعلامیه را با قرارداد M&A مربوطه مطابقت دادیم. توجه داشته باشید که اعلام عمومی اولیه با بیانیه پروکسی متفاوت است. در حالی که بیانیه های پروکسی نسبتاً فنی هستند و از الزامات قانونی خاصی پیروی می کنند، SEC الزامات اجباری برای اعلام عمومی اولیه ندارد و بنابراین امکان انعطاف در قالب و محتوا را می دهد. ⁴ برای هر معامله، ما شناسه‌های کلید شاخص مرکزی (CIK) شرکت‌های هدف و خریدار را از پایگاه داده CIK-CUSIP ⁵ دریافت کردیم و سپس بیانیه مطبوعاتی را با رویداد M&A مربوطه تطبیق دادیم. ⁶ این منجر به یک مجموعه داده نهایی شامل 1152 معامله M&A با اعلامیه های عمومی اولیه شد.

ما از تکنیک تحلیل متنی احساسات لوگرن و مک دونالد (2016) برای تحلیل محتوای بیانیه مطبوعاتی M&A استفاده کردیم. ما احساسات بیانیه های مطبوعاتی را با استفاده از فرهنگ لغران و مک دونالد (2011) اندازه گیری کردیم، ⁷ که یکی از شناخته شده ترین فرهنگ لغت برای تجزیه و تحلیل متن در زمینه های مالی و حسابداری است. ⁸ با این حال، این امکان وجود داشت که نتیجه تجزیه کل سند بتواند احساسات دو منبع کلیدی ما، هدف و خریدار را مخدوش کند و به طور بالقوه نتایج ما را مغرضانه کند. بنابراین، با مرور دستی هر یک از بیانیه‌های مطبوعاتی، تعیین بخش‌ها، و تقسیم متن کامل به سه بخش، به اندازه‌گیری احساسات مدیریتی اهداف و خریدارها به طور جداگانه اقدام کردیم: (1) بیانیه خریدار (در صورت وجود)، (2) ) بیانیه هدف (در صورت موجود بودن)، و (3) هر بخش باقیمانده. در نتیجه برای هر بیانیه مطبوعاتی، ما چهار معیار احساسی را بر اساس: (1) کل بیانیه مطبوعاتی، (2) بیانیه خریدار، (3) بیانیه هدف، و (4) باقیمانده متن (4) شناسایی کردیم. نه توسط گیرنده و نه هدف). در کمی کردن احساسات، احساسات خالص را گزارش کردیم، که به عنوان توزیع بین درصد کلمات مثبت و کلمات منفی تعریف شده است ( هوانگ و همکاران، 2014 ). برای تجزیه و تحلیل خود، هم کلمات مثبت و هم منفی را در نظر گرفتیم تا نگرش و ارزیابی مدیران را در مورد اکتساب به دست آوریم، و متوجه شدیم که هر دو نوع کلمات اغلب در بیانیه های مطبوعاتی استفاده می شوند. ⁹ ما همچنین طول بیانیه مطبوعاتی را به عنوان یک متغیر کنترل در نظر گرفتیم، زیرا انتشارات مطبوعاتی طولانی‌تر ممکن است حاوی اطلاعات بیشتری باشد و بنابراین ممکن است هزینه‌های کسب اطلاعات را کاهش دهد ( چیرکوپ و تارسالوسکا، 2019 ). جدول 1 توزیع بیانیه های مطبوعاتی M&A را در طول دوره تحقیقات ما و احساسات موجود در این اطلاعیه ها نشان می دهد. اگرچه توسط SEC مورد نیاز نیست، تیم های مدیریتی شرکت های هدف و خریدار به طور فعال در انتشار اطلاعیه های مطبوعاتی شرکت می کنند. توزیع نشان می‌دهد که شرکت‌های هدف در سال‌های اولیه نمونه ما، کمی کمتر بیانیه‌های مطبوعاتی منتشر کردند. علاوه بر این، متوجه شدیم که خریدارها نسبت به شرکت‌های هدف بیشتر احتمال دارد که بیانیه‌ای را در بیانیه مطبوعاتی ارائه دهند و از احساسات مثبت بیشتری استفاده کنند.

جدول 1 . بیانیه های مطبوعاتی M&A و بیانیه ها در بیانیه های مطبوعاتی در طول زمان.

سلول خالی	معاملات M&A	بیانیه مطبوعاتی	بیانیه هدف	بیانیه خریدار	# احساسات مثبت _tgt	# احساسات مثبت _acq	میانگین احساس _tgt	میانگین سنتیمت _acq
1995	178	3	0	1	0	1	0.0000	0.9259
1996	203	12	6	11	6	11	0.3838	0.9917
1997	255	16	10	13	9	12	0.2969	0.5632
1998	275	16	11	15	11	14	0.3212	0.5916
1999	265	24	18	21	18	20	0.3587	0.5357
2000	236	113	97	103	91	97	0.2443	0.3811
2001	154	70	60	66	59	61	0.2773	0.3327
2002	81	44	39	41	34	40	0.2721	0.3089
2003	95	63	55	55	52	53	0.2580	0.3126
2004	97	56	44	48	42	47	0.2251	0.2852
2005	108	42	37	38	37	34	0.2662	0.3344
2006	106	43	39	38	35	35	0.2794	0.2515
2007	103	57	48	49	47	46	0.2668	0.3023
2008	76	49	38	39	36	38	0.2360	0.2911
2009	56	44	32	37	30	36	0.1751	0.2652
2010	75	62	50	54	45	50	0.2494	0.2524
2011	50	37	25	29	22	29	0.1612	0.2221
2012	58	46	35	41	33	36	0.1755	0.2787
2013	54	42	37	37	37	35	0.2459	0.2721
2014	64	48	40	44	38	41	0.2250	0.2970
2015	58	45	39	40	39	39	0.2462	0.2339
2016	79	58	51	49	50	46	0.2112	0.2147
2017	71	50	44	44	39	43	0.2171	0.2229
2018	66	47	43	44	43	43	0.2265	0.2632
2019	52	42	38	36	36	34	0.2570	0.2320
2020	29	23	22	21	22	19	0.2533	0.1665
جمع	2944	1152	958	1014	911	960	0.2437	0.3056

این جدول تعداد معاملات M&A را در طول دوره تحقیق ما از ژانویه 1995 تا دسامبر 2020 نشان می‌دهد. تعداد اظهارات خریدار و هدف به ترتیب تعداد صورت‌های صادر شده توسط خریدار و هدف را گزارش می‌کند. # sentimt _{acq مثبت (tgt)} تعداد کل گزارش‌ها را هر سال گزارش می‌کند که در مجموع مثبت‌تر هستند. این عدد برای هدف ( tgt ) و خریدار ( acq ) به طور جداگانه گزارش می شود. میانگین sentimt _acq (tgt) میانگین احساسات را در یک بیانیه مطبوعاتی برای بیانیه خریدار (هدف) نشان می دهد.

برای به دست آوردن یک تصویر کلی از بیانیه‌های مطبوعاتی M&A و موضوعاتی که آنها پوشش می‌دهند، رایج‌ترین کلمات کلیدی را استخراج کردیم و به تعداد دفعات استفاده از آنها در بیانیه‌های مطبوعاتی M&A مطابق با روش Huang و همکاران اشاره کردیم . (2018) . کلمه ابر در شکل 1 پرکاربردترین کلمات را در انتشارات مطبوعاتی M&A در نمونه ما نشان می دهد. برخی از این کلمات، مانند “باور” و “هیجان زده” نشان دهنده استفاده منظم از کلمات احساسی در اعلامیه های اولیه M&A عمومی است.

ما همچنین متغیرهای دیگری را به تحلیل‌های خود اضافه کردیم تا اطمینان حاصل کنیم که یافته‌های ما با اثرات دیگر مخدوش نشده است. ما ابتدا پوشش رسانه‌ای و احساسات رسانه‌ای را در مقالات خبری پیرامون اعلام معامله گنجانده‌ایم. ¹⁰ این اطلاعات از پایگاه خبری Ravenpack ( حسین و جواخادزه، 2020 ) و کنترل هایی برای چگونگی ارتباط احساسات مدیریتی با احساسات رسانه ای به دست آمده است، زیرا اکثر مطالعات منتشر شده در مورد احساسات M&A از احساسات رسانه ای برای تحلیل های خود استفاده می کنند (مثلاً، لیو و مک کانل). ، 2013 ). ما بیشتر ویژگی‌های معامله را کنترل می‌کنیم (به عنوان مثال، ارزش معامله، درصد پرداخت سهام، تعداد مناقصه‌گران، پیشنهاد مناقصه، معامله افقی/عمودی، موج ادغام صنعت) و متغیرهای کنترلی در سطح شرکت را هم برای شرکت‌های خریدار و هم برای شرکت‌های هدف در نظر می‌گیریم. اینها عبارتند از اندازه شرکت، بازده دارایی (ROA)، نسبت نقدینگی، نسبت بازار به دفتر، اهرم و رقابت محصول، همانطور که هابرگ و همکاران می گویند. (2014) . داده های حسابداری برای شرکت ها از Compustat به دست آمد. متغیرهای کنترلی ما مبتنی بر متغیرهای متداول مورد استفاده در ادبیات M&A و تحقیق تحلیل متنی هستند (به عنوان مثال، جگادش و وو، 2013 ؛ Boyson و همکاران، 2017 ؛ Bonaime و همکاران، 2018 ؛ لی و همکاران، 2018 ؛ Guernsey et . آل.، 2022 ؛ استوارت، 2023 ).

علاوه بر این، با استفاده از داده‌های به‌دست‌آمده از BoardEx، ویژگی‌های مدیر عامل و عوامل مرتبط با حاکمیت (به عنوان مثال، جنسیت مدیر عامل، سن، تحصیلات، مالکیت، کسر مدیران مستقل، اندازه هیئت‌مدیره، هیئت مدیره پلکانی) را کنترل می‌کنیم. در نهایت، کارپوف و همکاران را نیز دنبال می کنیم . (2013) و ماسولیس و سیمسیر (2018) و پروکسی برای عدم تقارن اطلاعات برای بررسی اینکه آیا استفاده از احساسات با عدم تقارن اطلاعاتی بین سرمایه گذاران داخلی و خارجی مرتبط است یا خیر. لیست کامل متغیرهای ما و تعاریف مربوطه در جدول A.1 در پیوست ارائه شده است. همه متغیرهای پیوسته در سطح 1٪ برای هر دو دنباله برای تنظیم برای نقاط پرت بالقوه winsorized می شوند.

3.2 . آمار خلاصه

جدول 2 آمار خلاصه ای از متغیرهای ما را ارائه می دهد. ما از بازده غیرعادی تجمعی (CARs) در پنجره رویداد [-1،+1] در اطراف اعلامیه M&A به عنوان متغیر وابسته اصلی برای بررسی واکنش‌های بازار سهام استفاده می‌کنیم. ¹¹ برای محاسبه بازده غیرعادی، از بازده مورد انتظار منهای بازده بازار استفاده می‌کنیم، جایی که مرکز تحقیقات قیمت‌های امنیتی (CRSP) بازده وزنی بازار به عنوان بازده بازار استفاده می‌شود. بازده مورد انتظار با استفاده از پنجره تخمینی [-220،-21]¹² و مدل سه عاملی Fama-French شامل بازار، کوچک-منهای-بزرگ (SMB) و بالا-منهای-کم (HML) به عنوان عوامل تخمین زده می شود. ¹³ ما از این تنظیمات به دو دلیل اصلی استفاده می کنیم. اول، مدل سه عاملی Fama-French انحراف استاندارد بیشتری از CARها را در نمونه ما نسبت به مدل ساده بازار نشان می‌دهد و بنابراین به تعیین واکنش بازار کمک می‌کند. دوم اینکه، بزرگی خودروها برای پنجره رویداد سه روزه کمتر است و می‌تواند از آلودگی احتمالی ناشی از رویدادهای مخدوش‌کننده جلوگیری کند. ¹⁴

جدول 2 . آمار توصیفی .

متغیر	ن	منظور داشتن	Std. توسعه دهنده	میانه	p5	p95
ماشین _tgt	2944	0.231	0.302	0.186	0.084-	0.687
_acq ماشین	2799	−0.016	0.092	0.009-	0.165-	0.115

احساسات
sentimt _press	1152	0.659	0.829	0.653	0.660-	2.048
sentimt _acq	1152	0.306	0.300	0.255	0	0.807
senti _tgt	1152	0.244	0.225	0.208	0	0.654
طول	1152	7.296	0.496	7.335	6.420	8.002

ویژگی های معامله
معامله کردن	2879	6.156	1.766	6.077	3.375	9.255
pct_stk	2944	0.454	0.452	0.377	0	1
deal_succ	2944	0.830	0.376	1	0	1
روزها	2432	4.584	0.580	4.585	3.664	5.572
deal_att	2944	0.916	0.277	1	0	1
مناقصه	2944	0.207	0.405	0	0	1
بی حس کننده	2944	1.023	0.367	1	1	1
در موج	2943	0.295	0.456	0	0	1
عدم تقارن	2944	0.001	0.810	0.047-	−1.255	1.427
verti_deal	2944	0.135	0.341	0	0	1
hori_deal	2944	0.098	0.297	0	0	1
حق بیمه 1 متر	2726	1.549	0.665	1.436	0.744	2.752
نسبی_اندازه	2944	0.498	0.521	0.303	0.007	1.376

ویژگی های شرکت خریدار
MB	2502	2.498	2.174	1.798	0.923	6.718
اندازه	2801	7.362	2.142	7.358	3.811	10.904
پول نقد	2801	0.181	0.201	0.099	0.005	0.630
روآ	2797	0.021	0.157	0.050	0.233-	0.171
قدرت نفوذ	2788	0.231	0.195	0.207	0	0.613
numnews	2944	1.389	1.728	0	0	4.736
sentinews	2944	0.585-	2.220	0	-3.500	0
prxrunup	2799	0.093	0.443	0.027	0.447-	0.840
prodcompeti	2631	7.547	3.498	7.009	2.740	14.340

ویژگی های مدیر عامل و مدیر اکتسابی
سئوشروون	2944	1.041	3.964	0	0	5.700
شهرک	2944	0.040	0.079	0.006	0	0.182
io	2944	57.694	30.966	63.788	0	99.549
کارخانه	2944	3.997	0.097	4000	3.807	4.159
سئوتنوری	2944	2.634	4.745	0.303	0	11.597
ceoedu	2944	2.589	4.498	0.303	0	11.597
ceoconfidt	1887	0.409	0.492	0	0	1
indepdir	2067	0.551	0.280	0.625	0.200	0.900
سرپایی	2944	0.310	0.463	0	0	1
ceogender	2944	0.988	0.108	1	1	1
استاگبرد	2944	0.387	0.487	0	0	1
brdsize	2944	5.582	4.784	6	1	13

ویژگی های شرکت هدف
MB	2747	2.127	1.830	1.518	0.786	5.677
اندازه	2938	5.465	1.835	5.254	2.729	8.820
پول نقد	2936	0.235	0.246	0.137	0.004	0.762
روآ	2938	0.054-	0.236	0.023	0.558-	0.148
قدرت نفوذ	2918	0.214	0.220	0.160	0	0.653
numnews	2944	1.131	1.710	0	0	4.585
sentinews	2944	0.243	1.274	0	0	1
prxrunup	2944	0.033	0.498	0.033-	0.612-	0.865
prodcompeti	2944	2.444	3.802	0	0	10.465

ویژگی های مدیر عامل و مدیر هدف
سئوشروون	2944	0.105	1.015	0	0	0.107
شهرک	2944	0.006	0.033	0	0	0.033
io	2944	40.774	32.253	38.544	0	93.212
کارخانه	2944	4.001	0.081	4000	3.850	4.143
سئوتنوری	2944	1.470	3.337	0	0	8.082
ceoedu	2944	2.239	0.525	2	2	3000
ceoconfidt	850	0.226	0.418	0	0	1000
indepdir	1510	0.262	0.172	0.200	0.200	0.750
سرپایی	2944	0.053	0.225	0	0	1
ceogender	2944	0.987	0.111	1	1	1
استاگبرد	2944	0.119	0.323	0	0	1
brdsize	2944	1.781	2.530	1	1	9

این جدول آمار خلاصه همه متغیرها را نشان می دهد. تعاریف همه متغیرها در جدول A.1 ارائه شده است . همه متغیرهای پیوسته در صدک های 1% و 99% winsorized می شوند.

آمار توصیفی برای متغیرهای ما نشان می دهد که میانگین CAR خریدار منفی است (-1.6٪). در مقابل، برای اهداف، میانگین CAR بسیار معنادار و مثبت است (+23.1٪). ما همچنین متوجه می‌شویم که خودروهای هدف دارای انحراف استاندارد بیشتری نسبت به خریدارها هستند، که نشان‌دهنده تنوع بالاتر در واکنش بازار هدف است. این نتایج به طور متوسط کاهش ارزش را برای سهامداران خریدار نشان می دهد اما افزایش ارزش را برای سهامداران هدف به دلیل اعلام M&A که مطابق با یافته های قبلی است (به عنوان مثال، برادلی و همکاران، 1988؛ سرویس ، 1991 ؛ کاپلان و Weisbach، 1992 ؛ Mulherin and Boone، 2000 ؛ Andrade و همکاران، 2001 ).

متغیر اصلی مورد علاقه ما احساسات مندرج در اعلامیه عمومی اولیه است. ابتدا مشاهده می کنیم که به طور متوسط، جمله بندی بیانیه مطبوعاتی مثبت است. شیوع احساسات مثبت با تمایل روانی انسان ها به استفاده بیشتر از کلمات مثبت از کلمات منفی، به ویژه در ایالات متحده ( لیبرشت و همکاران، 2019) همسو است (لیبرشت و همکاران، 2019 ). یک توضیح احتمالی اضافی برای کشف یک احساس مطلوب کلی می‌تواند این باشد که مدیران اجرایی تمایل دارند از زبان مثبت در اظهارات مکتوب خود به عنوان راهی برای تأکید بر ایجاد هم‌افزایی و نشان دادن به ذینفعان خود نشان دهند که ارزش فعلی خالص مثبت (NPV) منتج خواهد شد. از معامله M&A. سومین توضیح احتمالی برای میانگین احساسات مثبت می‌تواند این باشد که مدیران می‌خواهند نگرانی‌های سرمایه‌گذاران را کاهش دهند و از کاهش متعاقب آن در قیمت سهام شرکت خود اجتناب کنند ( He et al., 2020 ). میانگین احساسات مثبت در هر سه بخش از بیانیه مطبوعاتی پایدار است. با این حال، با تقسیم متن بیانیه مطبوعاتی به بخش‌های مختلف، متوجه می‌شویم که به‌طور میانگین، خریدارها بیشتر از احساسات مثبت استفاده می‌کنند. علاوه بر این، خریدارها از سبک متنوع تری در احساسات خود استفاده می کنند که با انحراف معیار بزرگتر در مقایسه با احساسات هدف مشهود است. بخش باقی مانده از بیانیه مطبوعاتی میانه ای نزدیک به صفر و میانگینی نسبتاً کوچک به دست می دهد. در نتیجه، ما متعاقباً احساسات باقی‌مانده را از تحلیل‌های رگرسیونی خود حذف می‌کنیم . دلیل دیگر این امر این است که ما جملات این بخش را نسبتاً کلی می‌دانیم و بنابراین به ساختار اقدامات احساسات مطبوعاتی ما مرتبط نیستند.

مطابق با انتظارات، اندازه شرکت، نسبت بازار به دفتر، اهرم و ROA شرکت‌های هدف همگی کوچک‌تر از شرکت‌های خریدار هستند. با این حال، شرکت های هدف نسبتاً بیشتر از خریدارها وجه نقد نگهداری می کنند. متغیرهای مالی و ویژگی‌های معامله ما مطابق با ویژگی‌های معامله M&A ارائه شده در Derrien و همکاران است. (2023) . همچنین مشاهده می‌کنیم که هر دو شرکت میانگین مشابهی برای پوشش رسانه‌ای دارند، اما هدف‌ها احساسات رسانه‌ای مثبت‌تری دارند در حالی که، به طور متوسط، خریدارها احساسات رسانه‌ای منفی نشان می‌دهند. بنابراین، نشانه احساسات رسانه ای برای اهداف و خریدارها مانند میانگین CARهای آنها است، که نشان دهنده سود یا زیان ارزش شرکت در حول اعلام M&A است. این با تئوری هایی که محتوای رسانه ها نماینده ای برای اطلاعات جدید در مورد ارزش های بنیادی دارایی است (مانند حسین و جواخادزه، 2020 ) سازگار است و اولین شواهدی را ارائه می دهد که احساسات رسانه ای و احساسات مدیریتی ممکن است قابل مقایسه نباشند یا حتی به عنوان جایگزین عمل کنند. علاوه بر این، در مقایسه با اهداف، خریدارها سطوح بالاتری از مالکیت مدیر عامل را نشان می‌دهند و سرمایه‌گذاران نهادی بیشتری و همچنین هیئت مدیره بزرگ‌تر و سطوح بالاتری از استقلال هیئت مدیره دارند. مدیران عامل اکتسابی همچنین مدت تصدی طولانی تری دارند، اغلب نقش دوم را به عنوان رئیس هیئت مدیره بر عهده می گیرند و سطح اعتماد بیش از حد بالاتری نسبت به مدیران عامل هدف نشان می دهند.

جدول 3 نمونه را بر اساس اینکه آیا یک بیانیه مطبوعاتی در پایگاه داده EDGAR وجود دارد یا خیر، تقسیم می‌کند و در صورت وجود، آن‌ها را به سطوح مثبت و منفی احساسات بر اساس خریدار و هدف تقسیم می‌کنیم. ¹⁵ ابتدا واکنش بازار سهام را برای هدف و خریدار بررسی می کنیم (پانل A جدول 3 ). با تقسیم نمونه بر اساس در دسترس بودن بیانیه های مطبوعاتی، مشاهده می کنیم که انتشار یک بیانیه مطبوعاتی عمومی تأثیر مثبت قابل توجهی بر قیمت سهام هدف دارد. تقسیم نمونه نشان می‌دهد که در صورت انتشار اعلامیه اولیه M&A، واکنش بازار هدف به طور متوسط بیش از 7 درصد بیشتر است. ما واکنش مشابهی در بازده سهام خریدار پیدا نکردیم . سپس بر احساسات بیانیه‌های مطبوعاتی تمرکز می‌کنیم و متوجه می‌شویم که اظهارات مثبت منتشر شده توسط مدیریت هدف با واکنش‌های بازار به‌طور قابل‌توجهی برای هدف مرتبط است (با تفاوت بین نمونه‌های فرعی احساسات منفی و مثبت 4.44٪) در مقایسه با خریدار. با تفاوت بین دو نمونه 1.37٪.

جدول 3 . نتایج تک متغیره

پانل A: واکنش بازار سهام
سلول خالی	ماشین هدف [-1،+1] FF					خریدار CAR [-1،+1] FF
سلول خالی	بیانیه مطبوعاتی موجود است		بیانیه مطبوعاتی در دسترس نیست		تفاوت	بیانیه مطبوعاتی موجود است		بیانیه مطبوعاتی در دسترس نیست		تفاوت
همه معاملات M&A	ن	ماشین	ن	ماشین	سلول خالی	ن	ماشین	ن	ماشین	سلول خالی
بیانیه مطبوعاتی	1152	0.2778 ^⁎⁎⁎	1792	0.2008 ^⁎⁎⁎	0.0770 ^⁎⁎⁎	1100	−0.0186 ^⁎⁎⁎	1699	−0.0143 ^⁎⁎⁎	0.0043-
بیانیه خریدار	1014	0.2807 ^⁎⁎⁎	1930	0.2048 ^⁎⁎⁎	0.0759 ^⁎⁎⁎	972	−0.0209 ^⁎⁎⁎	1827	−0.0134 ^⁎⁎⁎	0.0075 ^_
بیانیه هدف	958	0.2863 ^⁎⁎⁎	1986	0.2042 ^⁎⁎⁎	0.0821 ^⁎⁎⁎	913	−0.0215 ^⁎⁎⁎	1886	−0.0134 ^⁎⁎⁎	0.0081 ^_
	احساسات منفی		احساسات مثبت		تفاوت	احساسات منفی		احساسات مثبت		تفاوت
M&A با انتشار مطبوعاتی سروکار دارد	ن	ماشین	ن	ماشین		ن	ماشین	ن	ماشین
sentimt _press	231	0.2622 ^⁎⁎⁎	921	0.2817 ^⁎⁎⁎	−0.0195	219	0.0051-	881	−0.0217 ^⁎⁎⁎	0.0165 ^⁎⁎⁎
sentimt _acq	192	0.2775 ^⁎⁎⁎	960	0.2779 ^⁎⁎⁎	−0.0004	182	0.0068-	918	−0.0207 ^⁎⁎⁎	0.0139 ^_
sentimt _tgt	241	0.2427 ^⁎⁎⁎	911	0.2871 ^⁎⁎⁎	−0.0444 ^⁎⁎	232	0.0076-	868	−0.0213 ^⁎⁎⁎	0.0137 ^_
sentimt _مخالف	560	0.2954 ^⁎⁎⁎	592	0.2612 ^⁎⁎⁎	0.0342	532	−0.0216 ^⁎⁎⁎	568	−0.0154 ^⁎⁎⁎	0.0062-

پانل B: موفقیت معامله و روزهای تا اتمام
سلول خالی	موفقیت در معامله (تکمیل یا پس گرفته شده)					روزهای تا اتمام معامله
سلول خالی	بیانیه مطبوعاتی موجود است		بیانیه مطبوعاتی در دسترس نیست		تفاوت	بیانیه مطبوعاتی موجود است		بیانیه مطبوعاتی در دسترس نیست		تفاوت
همه معاملات M&A	ن	%	ن	%	سلول خالی	ن	Ln (روزها)	ن	Ln (روزها)	سلول خالی
بیانیه مطبوعاتی	1152	0.8723	1792	0.8025	0.0699 ^⁎⁎⁎	1004	4.5304	1428	4.6224	−0.0919 ^⁎⁎⁎
بیانیه خریدار	1014	0.8817	1930	0.8026	0.0791 ^⁎⁎⁎	894	4.5244	1538	4.6193	−0.0949 ^⁎⁎⁎
بیانیه هدف	958	0.9092	1986	0.7915	0.1176 ^⁎⁎⁎	870	4.5168	1562	4.6221	−0.1054 ^⁎⁎⁎
	احساسات منفی		احساسات مثبت		تفاوت	احساسات منفی		احساسات مثبت		تفاوت
M&A با انتشار مطبوعاتی سروکار دارد	ن	%	ن	%		ن	Ln (روزها)	ن	Ln (روزها)
sentimt _press	231	0.8874	921	0.8686	0.0188	204	4.5213	800	4.5328	−0.0115
sentimt _acq	192	0.8333	960	0.8802	0.0469-	159	4.4829	845	4.5394	0.0564-
sentimt _tgt	241	0.7137	911	0.9144	−0.2007 ^⁎⁎⁎	172	4.5656	832	4.5232	0.0424
sentimt _مخالف	560	0.8839	592	0.8615	0.0224	494	4.4638	510	4.5950	−0.1312 ^⁎⁎⁎

این جدول نتایج تک متغیره را با زیرنمونه‌گیری واکنش بازار سهام، موفقیت معامله و روزهای تکمیلی مشروط به انتشار مطبوعاتی موجود و احساسات نشان می‌دهد. بالای پانل A بازار سهام را مشروط به وجود بیانیه مطبوعاتی یا بیانیه ای از سوی خریدار (هدف) و مشروط به مثبت یا منفی بودن احساسات بیانیه مطبوعاتی ارائه می کند. نمونه ما شامل 2944 بازده سهام هدف و 2799 بازده سهام خریدار است که 1152 بیانیه مطبوعاتی برای بازده سهام هدف و 1100 معامله با بیانیه های مطبوعاتی موجود برای بازده سهام خریدار در دسترس است. واکنش بازار سهام به عنوان میانگین بازده غیرعادی تجمعی هدف و خریدار به ترتیب در پنجره رویداد [-1،+1] برآورد شده توسط مدل سه عاملی فاما-فرنچ اندازه‌گیری می‌شود. ما یک آزمون t انجام می دهیم تا بررسی کنیم که آیا میانگین بازده غیرعادی با صفر متفاوت است و میانگین بازده بین نمونه ها از نظر آماری متفاوت است. پایین پانل A میانگین واکنش بازار سهام را نشان می‌دهد که به احساسات مثبت و منفی تقسیم شده است با استفاده از نمونه‌ای که برای آن انتشارات مطبوعاتی و بازده سهام موجود است (به ترتیب 1152 برای اهداف و 1100 برای خریدها). ما احساسات کل بیانیه مطبوعاتی ( sentimt _press )، اظهارات خریدار ( sentimt _acq )، و اظهارات هدف ( sentimt _tgt ) را اندازه‌گیری می‌کنیم. اختلاف بین احساسات گیرنده و هدف ( sentimt _disagre ) به عنوان sentimt _acq منهای sentimt _tgt تعریف می شود . اگر تعداد کلمات مثبت (منفی) از تعداد کلمات منفی (مثبت) بیشتر شود، احساس به عنوان مثبت (منفی) تعریف می شود. پانل B موفقیت معامله و روزهای تکمیل معامله را نشان می دهد. در حالی که نمونه موفقیت معامله بر اساس نمونه کل 2944 معامله است، روزهای تکمیل شده به معاملات تکمیل شده (2432 رویداد) محدود می شود. موفقیت معامله به عنوان تکمیل معامله تعریف می شود، در حالی که معاملات پس گرفته شده به عنوان معاملات ناموفق تعریف می شود. روزهای تکمیل معامله با لگاریتم روزهای بین اعلام M&A و تاریخ اتمام اندازه‌گیری می‌شود. پایین پانل B موفقیت معامله و روزهای تکمیل معامله را نشان می‌دهد که با استفاده از نمونه‌ای که برای آن بیانیه‌های مطبوعاتی و بازده سهام در دسترس است (به ترتیب 1152 برای موفقیت معامله و 1004 برای روزهای پایانی) به احساسات مثبت و منفی تقسیم می‌شوند. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

ما همچنین دو بعد از نتایج معامله را بررسی می کنیم. اول، ما تجزیه و تحلیل می کنیم که آیا معامله موفقیت آمیز بوده است یا نه ، ¹⁶ و دوم، تعداد روزهایی که برای تکمیل معامله برای نمونه فرعی خریدهای تکمیل شده صرف شده است. پانل B جدول 3 تقسیم برای موفقیت معامله و روزهای طول کشیده برای تکمیل معامله (برای نمونه فرعی معاملات تکمیل شده) را نشان می دهد. نتایج نشان می دهد که در صورت وجود بیانیه های مطبوعاتی احتمال تکمیل معاملات بیشتر است (87٪ در مقابل 80٪ احتمال). علاوه بر این، احساسات مثبت بیشتر توسط هدف منجر به نرخ موفقیت بالاتر 91.4٪ می شود، در حالی که نرخ موفقیت تنها 71.4٪ در صورت وجود یک بیانیه هدف منفی است. علاوه بر این، متوجه می‌شویم که در صورت وجود بیانیه مطبوعاتی یا بیانیه، معمولاً برای تکمیل معامله، روزهای کمتری طول می‌کشد، اما این تفاوت از نظر آماری معنی‌دار نیست. با تمرکز بر احساسات بیانیه‌های مطبوعاتی، متوجه می‌شویم که احساسات مثبت نشان می‌دهد که معامله سریع‌تر تکمیل خواهد شد. با این حال، این فقط برای بیانیه مطبوعاتی کلی اعمال می شود و نه به طور خاص به بخش مربوط به خریدار یا هدف.

در حالی که ما ادعای علیت از یافته‌های خود نداریم، نتایج نشان می‌دهد که احساسات هدف مثبت با واکنش مثبت بازار هدف، و تکمیل سریع‌تر و محتمل‌تر معامله مرتبط است. در بخش بعدی، ما تأثیر احساسات در بیانیه‌های مطبوعاتی اولیه را در یک محیط چند متغیره بررسی می‌کنیم و چندین متغیر را برای کنترل سایر عواملی که می‌توانند بر واکنش بازار یا نتیجه معامله تأثیر بگذارند، اضافه می‌کنیم.

4 . تأثیر احساسات در بیانیه های مطبوعاتی اولیه

4.1 . تأثیر احساسات در بیانیه های مطبوعاتی اولیه بر بازده سهام

ما با فرضیه ایجاد ارزش احساسات مدیریتی خود (H1) شروع می کنیم و بررسی می کنیم که آیا احساسات در بیانیه های مطبوعاتی M&A تغییرات متقاطع بازده اعلام هدف و/یا خریدار را توضیح می دهد یا خیر. به این ترتیب، ما از CAR سه روزه به عنوان متغیر وابسته خود استفاده می کنیم و سه معیار احساس را اعمال می کنیم. اولین مورد احساس بیانیه مطبوعاتی کامل ( sentimt _press ) است و معیارهای دوم و سوم، sentimt _acq و sentimt _tgt ، به ترتیب احساسات بیانیه های خریدار و هدف هستند. مزیت این رویکرد این است که می توانیم منبع احساسات را تشخیص دهیم و تأثیر فردی آن را بر بازار سهام اندازه گیری کنیم. علاوه بر این، اظهارات خریدار و/یا هدف ممکن است تأثیر بیشتری بر تصمیم‌های سرمایه‌گذاری نسبت به بخش باقی‌مانده از بیانیه مطبوعاتی داشته باشد، که عمومی‌تر و استانداردتر است. به عبارت دیگر، اظهارات خریدار و شرکت‌های هدف، بینش‌های دست اولی را ارائه می‌دهند و بنابراین ممکن است اطلاعات بیشتری را نسبت به سایر بخش‌های بیانیه مطبوعاتی در اختیار سرمایه‌گذاران قرار دهند. بنابراین سرمایه‌گذاران ممکن است به احساسات بیانیه‌های مدیران بیشتر از بخش‌های باقی‌مانده بیانیه مطبوعاتی اهمیت دهند.

در تنظیمات چند متغیره خود، ما به طور مداوم برای معاملات مشترک و ویژگی‌های شرکتی که می‌تواند بر بازده سهام حول اعلامیه‌های M&A تأثیر بگذارد و اثرات ثابت سال و صنعت (بر اساس دو رقم اول SIC) را شامل شود، کنترل می‌کنیم. خطاهای استاندارد در سطح صنعت دسته بندی می شوند. ما از رویکرد کارپوف و همکاران پیروی می کنیم. (2013) و ماسولیس و سیمسیر (2018) برای ایجاد معیاری از عدم تقارن اطلاعات ( Infoasymtry ) با استفاده از یک عامل واحد که بر اساس عوامل ورودی زیر است : ( 1 ) نوسانات خاص بازده سهام هدف، ( 2 ) پراکندگی و ( iii ) دقت پیش‌بینی‌های تحلیلگر در مورد شرکت هدف، ( IV ) اندازه هدف، ( v ) هزینه‌های تحقیق و توسعه، ( vi ) تعداد و ( vii ) کیفیت مشاوران مالی خریدار در معامله، ( viii ) هدف شدت دارایی مشهود، ( ix ) اقلام تعهدی غیرعادی هدف، و ( x ) فاصله بین دفتر مرکزی دو شرکت (بر حسب مایل).

جدول 4 نتایج رگرسیونی تمایل M&A را بر واکنش بازار سهام گزارش می کند. ¹⁷ نتایج نشان می دهد که تنها قیمت سهام هدف تحت تأثیر بیانیه مطبوعاتی M&A قرار می گیرد. نتایج همچنین نشان می‌دهد که قوی‌ترین تأثیر بر بازده هدف از احساس خود بیانیه هدف ناشی می‌شود. با این حال، نتایج نشان نمی‌دهد که احساسات هدف تنها تأثیر آماری دارد. از جدول 4 ، ستون 4، می بینیم که اهمیت اقتصادی دارد زیرا افزایش یک انحراف استاندارد در تمایل هدف منجر به بازده سهام هدف بالاتر تقریباً 2.5٪ می شود. در حالی که متوجه شدیم که احساسات هدف تأثیر قابل توجهی بر بازده غیرعادی هدف دارد، متوجه نمی‌شویم که احساسات موجود در بیانیه‌های مطبوعاتی M&A تأثیری بر بازده خریدار داشته باشد. نتایج برای هدف مطابق با فرضیه ایجاد ارزش احساسات مدیریتی ما است، که فرض می‌کند که احساسات بر واکنش بازار سهام تأثیر دارد. با این حال، نتایج برای خریدار، فرضیه اول ما را تایید نمی کند. بنابراین ما باید فرضیه احساسات خریدار و بازده سهام را رد کنیم. متغیرهای کنترل ما مطابق با یافته های ادبیات قبلی هستند.

جدول 4 . تأثیر احساسات مدیریتی بر بازده سهام.

متغیر وابسته	ماشین هدف [-1،+1] FF						خریدار CAR [-1،+1] FF
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)	(10)	(11)	(12)
sentimt _press	0.032 ^_						0.000
	(0.013)						(0.004)
sentimt _acq		0.067		0.053				0.006		0.006
		(0.055)		(0.055)				(0.009)		(0.009)
sentimt _tgt			0.120 ^_	0.111 ^_					0.001	0.000
			(0.053)	(0.051)					(0.007)	(0.007)
sentimt _مخالف					−0.017						0.003
					(0.037)						(0.006)
sentimt _fdadisagre						−0.117 ^_						0.001-
						(0.053)						(0.007)
numnews _acq	0.001	−0.000	0.001-	0.002-	0.001	0.001	0.001	0.001	0.001	0.001	0.001	0.001
	(0.017)	(0.016)	(0.016)	(0.016)	(0.017)	(0.017)	(0.006)	(0.006)	(0.006)	(0.006)	(0.006)	(0.006)
sentinews _acq	0.009-	0.009-	0.009-	0.009-	0.009-	0.009-	0.001	0.001	0.001	0.001	0.001	0.001
	(0.009)	(0.009)	(0.009)	(0.009)	(0.009)	(0.009)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)
numnews _tgt	0.004-	0.002-	0.002-	0.002-	0.002-	0.001-	0.003-	0.003-	0.003-	0.003-	0.003-	0.003-
	(0.011)	(0.011)	(0.011)	(0.011)	(0.011)	(0.011)	(0.004)	(0.004)	(0.003)	(0.003)	(0.003)	(0.003)
sentinews _tgt	−0.036 ^⁎⁎	0.035 ^⁎⁎	0.034 ^⁎⁎	0.035 ^⁎⁎	0.035 ^⁎⁎	0.034 ^⁎⁎	0.003 ^_	0.003 ^_	0.003 ^_	0.003 ^_	0.003 ^_	0.003 ^_
	(0.016)	(0.017)	(0.016)	(0.016)	(0.017)	(0.016)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)
طول	0.023-	−0.017	−0.013	−0.013	−0.016	−0.013	0.004-	0.004-	0.004-	0.004-	0.004-	0.004-
	(0.028)	(0.026)	(0.027)	(0.028)	(0.026)	(0.027)	(0.008)	(0.008)	(0.008)	(0.008)	(0.008)	(0.008)
معامله کردن	0.066	0.066	0.068	0.066	0.070	0.073	−0.014 ^_	−0.014 ^_	−0.014 ^_	−0.014 ^_	−0.014 ^_	−0.014 ^_
	(0.044)	(0.044)	(0.044)	(0.044)	(0.043)	(0.045)	(0.008)	(0.008)	(0.008)	(0.008)	(0.008)	(0.008)
pct_stk	−0.068 ^_	0.058-	0.061-	0.062-	0.057-	0.060-	−0.065 ^⁎⁎⁎	−0.065 ^⁎⁎⁎	−0.065 ^⁎⁎⁎	−0.065 ^⁎⁎⁎	−0.065 ^⁎⁎⁎	−0.065 ^⁎⁎⁎
	(0.037)	(0.038)	(0.037)	(0.037)	(0.038)	(0.036)	(0.013)	(0.013)	(0.013)	(0.013)	(0.013)	(0.013)
m/b _acq	0.003	0.004	0.003	0.003	0.003	0.002	0.003 ⁻	−0.003⁎⁎ ^_	−0.003⁎⁎ ^_	−0.003⁎⁎ ^_	−0.003⁎⁎ ^_	−0.003⁎⁎ ^_
	(0.005)	(0.005)	(0.005)	(0.005)	(0.005)	(0.005)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)
اندازه _acq	0.021 ^_	0.023 ^_	0.020 ^_	0.021 ^_	0.021 ^_	0.018	0.001-	0.001-	0.001-	0.001-	0.001-	0.001-
	(0.010)	(0.009)	(0.010)	(0.010)	(0.010)	(0.011)	(0.002)	(0.002)	(0.002)	(0.002)	(0.002)	(0.002)
_اعتبار نقدی	−0.170 ^_	0.164- ^_	0.163- ^_	0.158- ^_	−0.171 ^_	−0.178 ^_	0.039- ^_	0.038- ^_	0.039- ^_	0.038- ^_	0.039- ^_	0.039- ^_
	(0.088)	(0.089)	(0.094)	(0.091)	(0.091)	(0.092)	(0.022)	(0.022)	(0.022)	(0.022)	(0.022)	(0.023)
roa _acq	0.097-	0.099-	0.093-	0.096-	0.094-	0.087-	0.033	0.032	0.033	0.033	0.033	0.033
	(0.093)	(0.096)	(0.092)	(0.093)	(0.095)	(0.094)	(0.020)	(0.021)	(0.020)	(0.020)	(0.020)	(0.020)
اهرم _acq	0.025-	0.033-	0.032-	0.029-	0.038-	0.039-	0.007	0.007	0.007	0.007	0.007	0.007
	(0.058)	(0.054)	(0.056)	(0.056)	(0.054)	(0.054)	(0.020)	(0.020)	(0.020)	(0.020)	(0.020)	(0.021)
m/b _tgt	0.031 ^⁎⁎⁎	0.031 ^⁎⁎⁎	0.030 ^⁎⁎⁎	−0.029⁎⁎ ^_	−0.032 ^⁎⁎⁎	0.031 ^⁎⁎⁎	0.006	0.006	0.006	0.006	0.006	0.006
	(0.010)	(0.010)	(0.011)	(0.011)	(0.010)	(0.011)	(0.004)	(0.004)	(0.004)	(0.004)	(0.004)	(0.004)
اندازه _tgt	0.063 ^⁎⁎	−0.062 ^⁎⁎	0.059- ^_	0.059- ^_	0.063 ^⁎⁎	0.060- ^_	0.016 ^_	0.016 ^_	0.016 ^_	0.016 ^_	0.016 ^_	0.016 ^_
	(0.028)	(0.029)	(0.030)	(0.031)	(0.028)	(0.031)	(0.006)	(0.007)	(0.006)	(0.006)	(0.006)	(0.006)
پول نقد _tgt	0.091	0.087	0.083	0.091	0.075	0.062	0.028-	0.027-	0.028-	0.027-	0.028-	0.028-
	(0.096)	(0.102)	(0.094)	(0.101)	(0.098)	(0.092)	(0.019)	(0.019)	(0.019)	(0.019)	(0.019)	(0.019)
roa _tgt	0.148-	0.149-	0.156-	0.152-	0.155-	0.162-	0.021- ^_	0.020- ^_	0.021- ^_	0.020- ^_	0.020- ^_	0.021- ^_
	(0.103)	(0.103)	(0.103)	(0.101)	(0.102)	(0.101)	(0.011)	(0.012)	(0.012)	(0.012)	(0.012)	(0.012)
اهرم _tgt	0.116 ^_	0.112	0.114	0.116 ^_	0.109	0.107	−0.011	−0.011	−0.011	−0.011	−0.011	−0.011
	(0.065)	(0.067)	(0.068)	(0.069)	(0.066)	(0.068)	(0.018)	(0.019)	(0.018)	(0.019)	(0.018)	(0.018)
حق بیمه 1 متر	0.259 ^_	0.260 ^⁎⁎⁎	0.257 ^⁎⁎⁎	0.257 ^⁎⁎⁎	0.260 ^⁎⁎⁎	0.259 ^_	0.001-	0.001-	0.001-	0.001-	0.001-	0.001-
	(0.053)	(0.053)	(0.054)	(0.053)	(0.054)	(0.053)	(0.006)	(0.006)	(0.006)	(0.006)	(0.006)	(0.006)
prxrunup _acq	0.043 ^_	0.047 ^_	0.048 ^_	0.049 ^_	0.045 ^_	0.043 ^_	−0.013	−0.013	−0.013	−0.013	−0.013	−0.013
	(0.019)	(0.019)	(0.019)	(0.019)	(0.019)	(0.021)	(0.008)	(0.008)	(0.008)	(0.008)	(0.008)	(0.008)
prxrunup _tgt	−0.277 ^⁎⁎⁎	−0.278 ^⁎⁎⁎	−0.280 ^⁎⁎⁎	−0.278 ^⁎⁎⁎	−0.281 ^⁎⁎⁎	−0.284 ^⁎⁎⁎	0.007	0.007	0.007	0.007	0.007	0.007
	(0.074)	(0.073)	(0.074)	(0.073)	(0.073)	(0.074)	(0.005)	(0.005)	(0.005)	(0.005)	(0.005)	(0.005)
نسبی_اندازه	0.047 ^⁎⁎	0.049 ^⁎⁎	0.047 ^⁎⁎	−0.046 ^_	−0.050 ^_	0.049 ^⁎⁎	−0.019 ^_	−0.019 ^_	−0.019 ^_	−0.019 ^_	−0.019 ^_	−0.019 ^_
	(0.022)	(0.023)	(0.023)	(0.023)	(0.022)	(0.022)	(0.008)	(0.008)	(0.008)	(0.008)	(0.008)	(0.008)
prodcompeti _acq	0.007-	0.008-	0.007-	0.008-	0.008-	0.008-	−0.000	−0.000	−0.000	−0.000	−0.000	−0.000
	(0.011)	(0.011)	(0.011)	(0.011)	(0.011)	(0.011)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)
prodcompeti _tgt	0.002	0.002	0.002	0.002	0.002	0.002	0.000	0.000	0.000	0.000	0.000	0.000
	(0.003)	(0.003)	(0.003)	(0.003)	(0.003)	(0.003)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)
در موج	0.009	0.009	0.005	0.006	0.008	0.004	0.001	0.001	0.001	0.001	0.001	0.001
	(0.026)	(0.027)	(0.029)	(0.030)	(0.027)	(0.029)	(0.011)	(0.011)	(0.011)	(0.011)	(0.011)	(0.011)
verti_deal	−0.005	0.004-	0.002-	0.002-	0.004-	0.002-	0.007-	0.007-	0.007-	0.007-	0.007-	0.007-
	(0.023)	(0.024)	(0.022)	(0.022)	(0.024)	(0.022)	(0.006)	(0.006)	(0.006)	(0.006)	(0.006)	(0.006)
hori_deal	0.010	0.007	0.007	0.006	0.010	0.010	0.003-	0.003-	0.003-	0.003-	0.003-	0.003-
	(0.055)	(0.054)	(0.052)	(0.051)	(0.055)	(0.052)	(0.012)	(0.012)	(0.012)	(0.012)	(0.012)	(0.012)
مناقصه	0.032	0.036	0.043 ^_	0.041	0.039	0.043 ^_	−0.012 ^_	−0.012 ^_	−0.012 ^_	−0.012 ^_	−0.012 ^_	−0.012 ^_
	(0.026)	(0.026)	(0.024)	(0.025)	(0.025)	(0.025)	(0.006)	(0.006)	(0.006)	(0.006)	(0.006)	(0.006)
بی حس کننده	−0.076 ^_	0.078 ⁻	0.079 ^⁎⁎	0.078 ⁻	0.079- ^_	−0.086 ^⁎⁎	0.001-	0.001-	0.001-	0.001-	0.001-	0.001-
	(0.039)	(0.040)	(0.039)	(0.039)	(0.039)	(0.039)	(0.009)	(0.009)	(0.009)	(0.009)	(0.009)	(0.009)
عدم تقارن	−0.101 ^⁎⁎⁎	−0.105 ^⁎⁎⁎	−0.108 ^⁎⁎⁎	−0.108 ^⁎⁎⁎	−0.104 ^⁎⁎⁎	−0.107 ^⁎⁎⁎	−0.005	−0.005	−0.005	−0.005	−0.005	−0.005
	(0.031)	(0.031)	(0.031)	(0.030)	(0.032)	(0.031)	(0.009)	(0.009)	(0.009)	(0.009)	(0.009)	(0.009)
رهگیری	0.070	0.004	0.041-	0.051-	0.018	0.007	0.065	0.063	0.064	0.063	0.066	0.065
	(0.198)	(0.179)	(0.186)	(0.186)	(0.181)	(0.197)	(0.065)	(0.068)	(0.067)	(0.068)	(0.066)	(0.067)
سال FE	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره
ن	826	826	826	826	826	822	827	827	827	827	827	827
صفت R ²	0.327	0.325	0.328	0.328	0.324	0.329	0.176	0.177	0.176	0.175	0.176	0.176

این جدول نتایج رگرسیون مقطعی را برای واکنش بازار سهام برای هدف و خریدار گزارش می کند. برای متغیرهای مستقل، از احساسات خالص (تفاوت بین احساسات مثبت و منفی) کل بیانیه مطبوعاتی ( sentimt _press )، اظهارات خریدار ( sentimt _acq ) و اظهارات هدف ( sentimt _tgt ) استفاده می‌کنیم. اختلاف بین احساسات گیرنده و هدف ( sentimt _disagre ) به عنوان sentimt _acq منهای sentimt _tgt تعریف می شود . ما همچنین باقیمانده احساسات خریدار ( sentimt _acqm ) را به‌عنوان باقی‌مانده احساسات خریدار پس‌رونده در ویژگی‌های معامله، خریدار و هدف به‌دست می‌آوریم. سپس اختلاف احساسات اساسی بین گیرنده و هدف ( sentimt _fdadisagre ) را به عنوان احساسات اکتسابی منهای باقیمانده احساسات اکتسابی منهای احساسات هدف ( sentimt _acq – sentimt _acqm – sentimt _tgt ) بدست می آوریم. متغیر وابسته به ترتیب بازده غیرعادی تجمعی هدف و گیرنده در پنجره رویداد [-1،+1] است که توسط مدل سه عاملی Fama-French برآورد شده است. ما همچنین ویژگی های معامله، ویژگی های شرکت خریدار و ویژگی های شرکت هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . رگرسیون های ما از اثرات ثابت سال و صنعت استفاده می کنند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

در مرحله بعد، ما بر عدم توافق بین تمایل خریدار و هدف تمرکز می کنیم. ما یک متغیر برای اندازه‌گیری توافق (عدم توافق) بین احساسات خریدار و هدف می‌سازیم و ابتدا بررسی می‌کنیم که آیا واکنش بازار سهام تحت تأثیر اختلاف بین دو شرکت است یا خیر. برای اندازه‌گیری اثر عدم توافق، متغیر sentimt _disagre را می‌سازیم ، که به عنوان تفاوت بین احساسات گیرنده و هدف تعریف می‌شود. ¹⁸ با استفاده از متغیر (dis-) توافق، هیچ تأثیری بر بازده هدف یا خریدار نمی‌یابیم. یکی از دلایل احتمالی این امر این است که بخش‌های زیادی از این متغیر ناشی از احساسات خریدار است که قبلاً هیچ تأثیری بر بازده سهام نداشت.

4.2 . تجزیه احساسات اکتسابی

نتایج تا کنون نشان می دهد که فعالان بازار سهام در تصمیمات سرمایه گذاری خود، احساسات خریدار را در بیانیه های مطبوعاتی M&A در نظر نمی گیرند. ما پیشنهاد می کنیم که دلیل احتمالی این امر این است که مدیران خریدار ممکن است به طور فعال نتیجه یک معامله را برای منافع شخصی دستکاری کنند. برای آزمایش این فرضیه، ما با استخراج یک جزء دستکاری از احساسات آنها در بیانیه های مطبوعاتی شروع می کنیم. ما این جزء دستکاری احساسات خریدار را به‌عنوان مدت باقی‌مانده رگرسیون برای احساسات خریدار در معامله، شرکت خریدار، و ویژگی‌های شرکت هدف در مسیری مشابه با رویکرد تجزیه در بیکر و ورگلر (2006) اندازه‌گیری می‌کنیم :(1) ${sentiment}_{acq (i, t)} = α + β \times X_{i, t} + ε_{i, t}$ که در آن احساسات _acq احساسات خریدار است و X بردار است که شامل ویژگی‌های معامله، خریدار و شرکت هدف است. سپس باقیمانده را درمان می کنیم $ε$ به عنوان مولفه دستکاری ما در احساسات خریدار. متوجه شدیم که بیشتر مقادیر این باقیمانده نزدیک به صفر نیستند. این روش تجزیه احساسات خام نیز از رویکردهای Lemmon و Portniaguina (2006) و Hribar و همکاران پیروی می کند. (2017) . سپس احساسات خرید خام به دو عنصر تجزیه می شود: یک جزء مربوط به مبانی اقتصادی و دیگری جزء دستکاری بر اساس باقیمانده های رگرسیون. ما می دانیم که احساسات خریدار تحت تأثیر اصول معامله و ویژگی های خریدار و شرکت هدف قرار می گیرد، اما ما علاقه مندیم بخشی از احساسات خریدار را پیدا کنیم که منعکس کننده باورها یا دستکاری مدیران است که با اطلاعات اساسی توضیح داده نشده است.

در این مقاله، ما بر مولفه دستکاری گیرنده به جای هدف تمرکز می کنیم. ما استدلال می کنیم که مدیریت هدف انگیزه کمتری برای دستکاری احساسات دارد و از این رو انتظار می رود احساسات مدیریتی هدف منعکس کننده سطوح بالای اطلاعات بنیادی M&A باشد. اگر شرکت هدف با خوش بین بودن بیش از حد، به عنوان مثال، بیش از حد مثبت، احساسات را دستکاری کند، می تواند به بازار و خریدار سیگنال دهد که با معامله موافق است و بنابراین هدف ممکن است قدرت چانه زنی یا حق بیمه معاملاتی بالاتر را از دست بدهد. از سوی دیگر، استفاده از احساسات بیش از حد منفی می تواند منجر به پذیرش کمتر معامله شود و شرکت ممکن است شانس بهره مندی از هم افزایی M&A را از دست بدهد یا حمایت سرمایه گذاران را از دست بدهد. در تجزیه و تحلیل اضافی، با اعمال یک رگرسیون مشابه از احساسات تجزیه کننده به آنچه برای خریدار استفاده می شود، همچنین آزمایش می کنیم که آیا هدف احساسات را دستکاری می کند یا خیر. نمودار باقیمانده از این رگرسیون، با این حال، نشان می دهد که تقریبا تمام باقیمانده نزدیک به صفر هستند. این نشان می دهد که هدف (تقریبا) هیچ جزء دستکاری در احساسات خود ندارد. بنابراین، نتیجه می گیریم که احساسات هدف در عوض، مبانی واقعی M&A را منعکس می کند.

در یک آزمون گزارش نشده بیشتر، ما شواهدی پیدا نکردیم که مؤلفه احساسات دستکاری شده تأثیر قابل توجهی بر واکنش‌های سهام خریدار داشته باشد، که نشان می‌دهد تجزیه احساسات خریدار معقول است زیرا مؤلفه دستکاری احساسات خریدار نباید به ارزش دارایی اساسی مربوط باشد. برای رد این احتمال که نتایج ناچیز ما از عدم توافق احساسات ناشی از مولفه دستکاری احساسات خریدار باشد، تجزیه و تحلیل عدم توافق بین خریدار و هدف را پس از حذف مولفه دستکاری احساسات خریدار ( sentimt fdadisagre ) تکرار می _کنیم . نتایج در جدول 4 گزارش شده است و نشان می دهد که بازده سهام هدف به طور منفی تحت تأثیر اختلافات اساسی بزرگتر بین شرکت های خریدار و هدف قرار می گیرد. این با انتظارات ما مطابقت دارد، زیرا اختلاف بین شرکت‌های خریدار و هدف منجر به چشم‌اندازهای متناقض برای شرکت ترکیبی می‌شود و این می‌تواند نشان دهد که هم افزایی کمتری از ادغام حاصل می‌شود.

تا کنون، ما استدلال کرده‌ایم که نتایج ما نشان می‌دهد که سرمایه‌گذاران به احساسات خریدار واکنش نشان نمی‌دهند، که با فرضیه ارزش‌آفرینی احساسات مدیریتی ما در تناقض است. ما ادعا می کنیم که این ممکن است به دلیل مولفه دستکاری در احساسات خریدار باشد. با این حال، دلیل احتمالی دیگر این است که، از آنجایی که سرمایه‌گذاران از قبل احساسات خریدار را پیش‌بینی می‌کنند، زمانی که M&A رسما اعلام می‌شود، هیچ واکنش قابل توجهی در بازار وجود ندارد. برای رد این توضیح جایگزین از اطلاعیه‌های پیش‌بینی‌شده، پوشش رسانه‌ای و احساسات رسانه‌ای را در مورد احساسات خریدار کاهش می‌دهیم زیرا سرمایه‌گذاران ممکن است به گزارش‌های رسانه‌ای قبل از اعلام رسمی اعتماد کنند. بنابراین، پوشش و احساسات رسانه‌ای ممکن است به‌عنوان نماینده‌ای برای اطلاعات در مورد مبانی شرکت عمل کند و سرمایه‌گذاران ممکن است اعلام معامله و تجارت قبلی را پیش‌بینی کنند ( لیائو و همکاران، 2021 ). با این حال، هر دو متغیر در رگرسیون ما فاقد اهمیت هستند، که نشان می‌دهد احساسات خریدار قبل از اعلام M&A پیش‌بینی نشده است. این پیشنهاد را رد می کند که خریدارها از احساسات مثبت در بیانیه مطبوعاتی M&A استفاده می کنند تا احساسات منفی رسانه ها را قبل از اعلام ادغام به احساسات مثبت تبدیل کنند. علاوه بر این، اگر سرمایه‌گذاران احساسات خریدار را در اعلامیه‌های M&A پیش‌بینی کنند و با استفاده از پیش‌بینی آنها معامله کنند، باید بتوانیم قبل از اعلام عمومی اولیه، تغییری در بازده خریدار مشاهده کنیم. برای تجزیه و تحلیل این اثر، ما بر واکنش بازار سهام خریدار در پنجره رویداد [-15،-3] قبل از اعلام رسمی M&A تمرکز می کنیم. بازده غیرعادی در پنجره قبل از M&A از نظر آماری معنی دار نیست و میانگین بازده نزدیک به صفر (0.36%) است. بنابراین، ما شواهدی پیدا نکردیم که سرمایه‌گذاران احساسات خریدار را پیش‌بینی کنند و قبل از انتشار اطلاعیه‌های رسمی M&A واکنش نشان دهند. یکی دیگر از توضیحات احتمالی در مورد اینکه چرا سرمایه گذاران هیچ واکنش قابل توجهی در بازار به احساسات خریدار نشان نمی دهند ممکن است این باشد که سرمایه گذاران به مولفه دستکاری واکنش منفی نشان می دهند اما به مولفه اساسی احساسات خریدار واکنش مثبت نشان می دهند. از آنجایی که این دو واکنش متضاد ممکن است یکدیگر را جبران کنند، واکنش کلی بازار فاقد اهمیت است. ما می‌توانیم این تفسیر جایگزین را رد کنیم، زیرا نتایج تأثیر بخش دستکاری یا بنیادی بر بازده سهام خریدار از نظر آماری معنی‌دار نیست.

با این حال، متوجه شدیم که متغیرهای مشخصه معامله ما دارای قدرت توضیحی در تغییرات متقابل بازده اعلام M&A هستند. نتایج نشان می‌دهد که درصد پرداخت سهام برای بازده آگهی خریدار منفی و معنادار است. این نشان می دهد که درصد بالاتری از پرداخت سهام منجر به کاهش ارزش شرکت خریدار می شود. این یافته با ادبیات قبلی در مورد ارزش بیش از حد سهام خریدارها در M&A مطابقت دارد ( فو و همکاران، 2013 ). برای کنترل‌های مشخصه شرکت، متوجه می‌شویم که نسبت‌های نقدی بالاتر در سمت خریدار با کاهش بازده سهام برای هر دو شرکت درگیر در معامله (در سطح معناداری 10٪) همراه است. از نظر متغیرهای کنترل رسانه، ما تنها احساسات رسانه‌ای را که شرکت هدف را پوشش می‌دهند، به طور منفی با بازده هدف (در سطح معنی‌داری 5 درصد) می‌یابیم. با این حال، بازده خریدار با پوشش رسانه‌ای یا احساسات رسانه‌ای که خریدار را پوشش می‌دهد مرتبط نیست.

4.3 . تأثیر احساسات در بیانیه های مطبوعاتی M&A بر نتیجه معامله

در این بخش، بررسی می‌کنیم که آیا احساسات در بیانیه‌های مطبوعاتی اولیه M&A می‌تواند به پیش‌بینی نتیجه معامله کمک کند، که با میزان موفقیت معامله و زمان تکمیل آن اندازه‌گیری می‌شود. نتایج مربوط به نتیجه معامله در جدول 5 گزارش شده است .

جدول 5 . تأثیر احساسات مدیریتی بر ویژگی های معامله

متغیر وابسته	موفقیت در معامله (تکمیل یا پس گرفته شده)						روزهای تا اتمام معامله
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)	(10)	(11)	(12)
sentimt _press	-0.124						−0.034 ^⁎⁎⁎
	(0.169)						(0.012)
sentimt _acq		0.531		0.237				0.057-		0.021-
		(0.531)		(0.462)				(0.064)		(0.066)
sentimt _tgt			1.994 ^_	1.934 ^⁎⁎⁎					−0.300 ^⁎⁎⁎	−0.297 ^⁎⁎⁎
			(0.764)	(0.711)					(0.068)	(0.065)
sentimt _مخالف					0.534-						0.119 ^_
					(0.332)						(0.047)
sentimt _fdadisagre						−1.994 ^⁎⁎⁎						0.300 ^_
						(0.765)						(0.068)
numnews _acq	0.208	0.138	0.195	0.187	0.164	0.241	0.041- ^_	0.040-	0.038-	0.038-	0.043- ^_	0.045 ⁻
	(0.289)	(0.329)	(0.294)	(0.295)	(0.333)	(0.287)	(0.024)	(0.025)	(0.025)	(0.025)	(0.025)	(0.025)
sentinews _acq	0.065	0.067	0.069	0.071	0.064	0.066	−0.005	−0.005	−0.006	−0.006	−0.005	−0.005
	(0.070)	(0.078)	(0.070)	(0.071)	(0.079)	(0.070)	(0.009)	(0.009)	(0.008)	(0.008)	(0.009)	(0.008)
numnews _tgt	0.605- ^_	0.610-	0.587-	0.585-	0.609-	0.576-	0.039	0.038	0.036	0.036	0.037	0.034
	(0.350)	(0.405)	(0.362)	(0.364)	(0.403)	(0.365)	(0.024)	(0.024)	(0.025)	(0.025)	(0.025)	(0.025)
sentinews _tgt	0.074-	0.086-	0.072-	0.072-	0.088-	0.064-	0.036 ^⁎⁎⁎	0.036 ^_	0.033 ^_	0.033 ^_	0.033 ^_	0.032 ^_
	(0.102)	(0.111)	(0.106)	(0.106)	(0.113)	(0.107)	(0.013)	(0.014)	(0.014)	(0.014)	(0.014)	(0.014)
طول	0.221-	0.282-	0.120-	0.123-	0.235-	0.120-	−0.017	0.025-	0.037-	0.038-	0.022-	0.037-
	(0.436)	(0.461)	(0.400)	(0.392)	(0.493)	(0.401)	(0.046)	(0.049)	(0.040)	(0.041)	(0.047)	(0.040)
معامله کردن	0.612 ^_	0.583 ^_	0.557 ^_	0.549 ^_	0.600 ^_	0.636 ^_	0.016	0.017	0.016	0.017	0.012	0.005
	(0.283)	(0.290)	(0.289)	(0.291)	(0.318)	(0.284)	(0.040)	(0.038)	(0.039)	(0.038)	(0.038)	(0.040)
pct_stk	0.907 ^_	0.930 ^_	0.700	0.698	0.926 ^_	0.703	0.276 ^⁎⁎⁎	0.264 ^⁎⁎⁎	0.258 ^_	0.258 ^_	0.264 ^⁎⁎⁎	0.257 ^⁎⁎⁎
	(0.436)	(0.505)	(0.447)	(0.449)	(0.509)	(0.447)	(0.054)	(0.054)	(0.051)	(0.051)	(0.054)	(0.051)
m/b _acq	−0.011	−0.013	−0.010	0.008-	0.022-	0.021-	−0.006	0.007-	−0.006	−0.006	−0.005	0.004-
	(0.055)	(0.065)	(0.061)	(0.062)	(0.063)	(0.060)	(0.012)	(0.012)	(0.011)	(0.012)	(0.012)	(0.011)
اندازه _acq	0.306 ^_	0.368 ^_	0.285 ^_	0.293 ^_	0.342 ^_	0.224	−0.059 ^⁎⁎⁎	−0.062 ^⁎⁎⁎	−0.060 ^⁎⁎⁎	−0.061 ^⁎⁎⁎	−0.055 ^⁎⁎⁎	−0.051 ^⁎⁎⁎
	(0.173)	(0.212)	(0.162)	(0.169)	(0.206)	(0.148)	(0.010)	(0.010)	(0.010)	(0.010)	(0.010)	(0.011)
_اعتبار نقدی	0.245	0.337	0.274	0.286	0.275	0.017	0.051-	0.062-	0.085-	0.089-	0.041-	0.046-
	(0.981)	(1.042)	(0.993)	(0.982)	(1.038)	(0.956)	(0.109)	(0.115)	(0.118)	(0.120)	(0.116)	(0.116)
roa _acq	0.834	0.911	0.987	0.975	1.038	1.113	0.336 ^⁎⁎⁎	0.343 ^⁎⁎⁎	0.325 ^⁎⁎⁎	0.327 ^⁎⁎⁎	0.324 ^⁎⁎⁎	0.306 ^⁎⁎⁎
	(0.658)	(0.714)	(0.727)	(0.721)	(0.741)	(0.734)	(0.112)	(0.119)	(0.109)	(0.113)	(0.112)	(0.107)
اهرم _acq	0.039	0.036	0.134	0.138	0.030	0.071-	0.039-	0.034-	0.051-	0.052-	0.029-	0.020-
	(0.821)	(0.864)	(0.815)	(0.806)	(0.922)	(0.828)	(0.117)	(0.113)	(0.114)	(0.114)	(0.116)	(0.110)
m/b _tgt	−0.225 ^⁎⁎	−0.221⁎⁎ ^_	0.187 ⁻	0.185 ^⁎⁎	−0.221⁎⁎ ^_	−0.201 ^_	0.000	0.000	0.003-	0.003-	0.001-	−0.000
	(0.099)	(0.102)	(0.096)	(0.094)	(0.109)	(0.099)	(0.014)	(0.014)	(0.013)	(0.013)	(0.014)	(0.013)
اندازه _tgt	−1.158 ^⁎⁎⁎	−1.213 ^⁎⁎⁎	−1.054 ^⁎⁎⁎	−1.054 ^⁎⁎⁎	−1.199 ^⁎⁎⁎	−1.069 ^⁎⁎⁎	0.146 ^⁎⁎⁎	0.145⁎⁎⁎ ^_	0.143 ^⁎⁎⁎	0.143 ^⁎⁎⁎	0.140 ^⁎⁎⁎	0.145⁎⁎⁎ ^_
	(0.337)	(0.359)	(0.324)	(0.321)	(0.384)	(0.325)	(0.033)	(0.033)	(0.033)	(0.034)	(0.032)	(0.033)
پول نقد _tgt	1.710	2.184	1.944	1.984	2.106	1.605	0.133-	0.123-	0.139- ^_	0.142- ^_	0.107-	0.088-
	(1.191)	(1.489)	(1.313)	(1.332)	(1.537)	(1.241)	(0.084)	(0.084)	(0.081)	(0.077)	(0.085)	(0.079)
roa _tgt	0.959-	−1.021	0.828-	0.808-	−1.123	0.987-	0.020-	0.020-	−0.011	0.012-	0.004-	0.013
	(0.955)	(1.013)	(0.912)	(0.921)	(1.050)	(0.870)	(0.113)	(0.118)	(0.111)	(0.114)	(0.115)	(0.109)
اهرم _tgt	0.560-	0.376-	0.393-	0.378-	0.401-	0.515-	0.110	0.120	0.124	0.122	0.131	0.142
	(0.598)	(0.707)	(0.709)	(0.698)	(0.778)	(0.695)	(0.093)	(0.099)	(0.085)	(0.088)	(0.089)	(0.085)
حق بیمه 1 متر	0.208	0.195	0.152	0.141	0.255	0.181	0.008	0.008	0.020	0.020	0.010	0.015
	(0.314)	(0.331)	(0.343)	(0.338)	(0.369)	(0.339)	(0.025)	(0.025)	(0.027)	(0.027)	(0.025)	(0.027)
prxrunup _acq	0.036-	0.014	0.008	0.020	0.035-	0.056-	0.004-	−0.005	−0.011	0.012-	0.002-	0.001-
	(0.269)	(0.288)	(0.294)	(0.292)	(0.304)	(0.295)	(0.029)	(0.029)	(0.028)	(0.028)	(0.026)	(0.028)
prxrunup _tgt	0.525	0.635	0.508	0.524	0.577	0.428	0.042-	0.042-	0.045-	0.046-	0.035-	0.032-
	(0.368)	(0.420)	(0.438)	(0.445)	(0.400)	(0.423)	(0.035)	(0.034)	(0.035)	(0.034)	(0.033)	(0.035)
نسبی_اندازه	0.453-	0.440-	0.391-	0.385-	0.464-	0.445-	0.032-	0.031-	0.036-	0.036-	0.029-	0.028-
	(0.416)	(0.455)	(0.389)	(0.392)	(0.434)	(0.385)	(0.048)	(0.047)	(0.044)	(0.045)	(0.045)	(0.044)
prodcompeti _acq	−0.134 ^_	−0.157 ^_	−0.126 ^_	−0.125 ^⁎⁎	−0.160 ^_	−0.126 ^_	0.003-	0.003-	0.002-	0.002-	0.003-	0.002-
	(0.061)	(0.075)	(0.061)	(0.060)	(0.078)	(0.061)	(0.005)	(0.005)	(0.005)	(0.005)	(0.005)	(0.005)
prodcompeti _tgt	−0.276 ^⁎⁎⁎	0.293 ^⁎⁎⁎	−0.281 ^⁎⁎⁎	−0.281 ^⁎⁎⁎	−0.301 ^⁎⁎⁎	−0.281 ^⁎⁎⁎	0.032 ^⁎⁎⁎	0.032 ^⁎⁎⁎	0.033 ^⁎⁎⁎	0.033 ^⁎⁎⁎	0.032 ^⁎⁎⁎	0.033 ^⁎⁎⁎
	(0.078)	(0.094)	(0.074)	(0.073)	(0.095)	(0.074)	(0.005)	(0.005)	(0.005)	(0.005)	(0.005)	(0.005)
در موج	0.775 ^⁎⁎	0.923 ^⁎⁎	0.941 ^⁎⁎⁎	0.959 ^⁎⁎⁎	0.873 ^⁎⁎	0.924 ^⁎⁎⁎	−0.013	0.012-	0.003-	0.003-	0.008-	−0.006
	(0.356)	(0.366)	(0.325)	(0.330)	(0.373)	(0.323)	(0.031)	(0.030)	(0.029)	(0.029)	(0.032)	(0.029)
verti_deal	0.059	0.171	0.214	0.222	0.159	0.210	−0.005	−0.006	0.001	0.001	0.002-	0.002
	(0.515)	(0.559)	(0.510)	(0.512)	(0.549)	(0.511)	(0.057)	(0.058)	(0.053)	(0.054)	(0.058)	(0.053)
hori_deal	0.220	0.299	0.152	0.154	0.278	0.202	0.034	0.042	0.043	0.044	0.039	0.036
	(0.658)	(0.727)	(0.579)	(0.577)	(0.720)	(0.577)	(0.097)	(0.098)	(0.100)	(0.100)	(0.099)	(0.099)
مناقصه	0.261	0.258	0.375	0.377	0.271	0.386	0.492 ^⁎⁎⁎	0.497 ^⁎⁎⁎	−0.511 ^⁎⁎⁎	−0.511 ^⁎⁎⁎	−0.504 ^⁎⁎⁎	−0.513 ^⁎⁎⁎
	(0.405)	(0.453)	(0.433)	(0.433)	(0.475)	(0.435)	(0.051)	(0.051)	(0.050)	(0.050)	(0.049)	(0.051)
بی حس کننده	4.583 ^_	4.922 ^_	4.265 ^_	4.257 ^_	5000 ^_	4.237 ^_	0.077	0.082	0.049	0.048	0.082	0.053
	(2.038)	(2.305)	(1.969)	(1.964)	(2.363)	(1.974)	(0.073)	(0.074)	(0.078)	(0.079)	(0.075)	(0.078)
عدم تقارن	1.673 ^⁎⁎⁎	1.806 ^⁎⁎⁎	1.541 ^_	1.537 ^_	1.830 ^_	1.543 ^⁎⁎⁎	−0.108 ^_	−0.105 ^_	−0.104 ^_	−0.105 ^_	−0.097 ^_	−0.104 ^_
	(0.528)	(0.545)	(0.466)	(0.462)	(0.566)	(0.466)	(0.053)	(0.052)	(0.051)	(0.050)	(0.054)	(0.051)
رهگیری	6.972 ^_	2.863	10.745 ^_	10.510 ^⁎⁎⁎	4.299	3.226	4.180 ^_	4.252 ^_	4.433 ^_	4.446 ^_	4.212 ^_	4.317 ^_
	(3.249)	(3.661)	(3.369)	(3.339)	(3.434)	(2.869)	(0.370)	(0.403)	(0.344)	(0.357)	(0.378)	(0.331)
سال FE	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره	آره
ن	833	833	833	833	833	827	721	721	721	721	721	721
شبه R ² / Adj. R ²	0.474	0.476	0.483	0.483	0.478	0.478	0.500	0.498	0.510	0.509	0.502	0.510

این جدول نتایج رگرسیون مقطعی در مورد موفقیت معامله و روزهای تکمیل معامله را گزارش می کند. برای متغیرهای مستقل، از احساسات خالص (تفاوت بین احساسات مثبت و منفی) کل بیانیه مطبوعاتی ( sentimt _press )، اظهارات خریدار ( sentimt _acq ) و اظهارات هدف ( sentimt _tgt ) استفاده می‌کنیم. ما همچنین اختلاف بین احساسات گیرنده و هدف ( sentimt _disagre ) را به عنوان sentimt _acq منهای sentimt _tgt در نظر می گیریم . ما همچنین باقیمانده احساسات خریدار ( sentimt _acqm ) را به‌عنوان باقی‌مانده احساسات خریدار پس‌رونده در ویژگی‌های معامله، خریدار و هدف به‌دست می‌آوریم. سپس اختلاف احساسات اساسی بین گیرنده و هدف ( sentimt _fdadisagre ) را به عنوان احساسات اکتسابی منهای باقیمانده احساسات اکتسابی منهای احساسات هدف ( sentimt _acq -sentimt _acqm -sentimt _tgt ) بدست می آوریم. برای متغیرهای وابسته، از deal_succ به عنوان متغیر وابسته خود استفاده می‌کنیم که اگر معامله قبل از پایان سال 2020 انجام شده باشد (1004 مشاهده) و 0 در غیر این صورت (148 مشاهده) به عنوان 1 تعریف شده است. روز لگاریتم روزهای بین اعلام M&A و تاریخ تکمیل مشروط به تکمیل معامله است. ما همچنین ویژگی های معامله، ویژگی های شرکت خریدار و ویژگی های شرکت هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . ما از یک مدل لاجیت برای رگرسیون های موفقیت معامله متغیر باینری و یک رگرسیون حداقل مربعات معمولی برای روزهای تکمیل معامله استفاده می کنیم. همه رگرسیون ها شامل اثرات ثابت سال و صنعت هستند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

ما متوجه شدیم که احساسات هدف مثبت با افزایش احتمال تکمیل معامله مرتبط است. نتایج همچنین نشان می دهد که احساسات هدف مثبت به بستن معامله زودتر کمک می کند زیرا هدف انگیزه بیشتری برای بستن معامله دارد. از نظر اهمیت اقتصادی، افزایش یک انحراف استاندارد در احساسات هدف منجر به تکمیل سریع تر معامله حدود 6.6 روز کمتر از میانگین می شود (بر اساس تفاوت 91.4 روز و به طور متوسط 98 روز برای تکمیل معامله). ما متوجه نمی‌شویم که احساسات خریدار دارای قدرت پیش‌بینی باشد، که ممکن است به دلیل یافته‌های قبلی ما باشد که شرکت‌های پیشنهاد دهنده احساسات خود را دستکاری می‌کنند و بنابراین هیچ اطلاعاتی به بازار ارائه نمی‌دهند. با این حال، مشاهده می کنیم که اختلاف نظر اساسی در احساسات بین خریدار و هدف تأثیر قابل توجهی بر نتیجه معامله دارد. نتایج نشان می‌دهد که اختلاف اساسی بزرگ‌تر احتمال تکمیل معامله و زمان طولانی‌تری را برای تکمیل به همراه دارد. این بیشتر نشان می‌دهد که اختلاف اساسی بین خریدار و هدف، تضادهای بالقوه بین دو شرکت را آشکار می‌کند و بر نتایج معامله تأثیر می‌گذارد، بنابراین از فرضیه دوم ما پشتیبانی می‌کند.

ضرایب infoasymtry در جدول 4 و جدول 5 نشان می دهد که افزایش عدم تقارن اطلاعاتی تأثیر منفی بر بازده غیرعادی اهداف دارد، تأثیر مثبتی بر احتمال تکمیل معامله دارد و زمان تکمیل معامله را کاهش می دهد. این یافته ها با Borochin و همکارانش مطابقت دارد . (2019) و حسن و الحناوی (2022) که نشان می‌دهند با افزایش عدم تقارن اطلاعاتی، سرمایه‌گذاران شرکت‌های ادغام شده را به دلیل افزایش عدم اطمینان تخفیف می‌دهند. با این حال، عدم قطعیت همچنین نشان دهنده امکان هم افزایی ادغام با سود بیشتر پس از ادغام است، بر اساس اصل ریسک-بازده که ادغام های بالقوه سودآور به دلیل افزایش پیچیدگی تحقق دستاوردهای هم افزایی، ریسک بیشتری نسبت به ادغام های کم سود دارند.

به طور کلی، متوجه می‌شویم که احساسات هدف، به جای احساسات خریدار، در محتوای بیانیه‌های مطبوعاتی M&A حاوی اطلاعات ارزشمندی برای سرمایه‌گذاران است. شواهد تجربی ما نشان می‌دهد که واکنش‌های بازار سهام و نتایج معاملات M&A با احساسات مدیریت هدف توضیح داده می‌شوند، بنابراین از فرضیه ایجاد ارزش احساسات مدیریتی ما برای اهداف پشتیبانی می‌کنند. ما همچنین دریافتیم که اختلاف احساسات اساسی بین خریدار و هدف تأثیر منفی بر بازده سهام، احتمال موفقیت معامله و زمان تکمیل معامله دارد، بنابراین از فرضیه دوم ما پشتیبانی می‌کند.

4.4 . احساسات و اثر تعدیل کننده عدم تقارن اطلاعاتی

نتایج ما نشان می دهد که احساسات در بیانیه های مطبوعاتی اولیه M&A اطلاعات جدیدی را در اختیار سرمایه گذاران قرار می دهد. در این بخش، آزمایش می‌کنیم که آیا نتایج ما ناشی از عدم تقارن اطلاعاتی بین سرمایه‌گذاران داخلی و خارجی است ( infoasymtry ) و چگونه عدم تقارن اطلاعات تأثیراتی را که در جدول 4 و جدول 5 می‌یابیم تعدیل می‌کند .

نتایج حاصل از تعامل بین احساسات و عدم تقارن اطلاعاتی در بازده سهام در جدول 6 ارائه شده است . اثر تعدیل کننده عدم تقارن اطلاعاتی بر احساسات هدف فاقد اهمیت است، که نشان می دهد عدم تقارن اطلاعاتی تأثیر احساسات هدف را کاهش نمی دهد. این نتیجه همچنین نشان می دهد که احساسات هدف می تواند عینی باشد و منعکس کننده اصول معامله است، زیرا احساسات هدف تأثیر عدم تقارن اطلاعات را افزایش نمی دهد. در مقابل، برای بازده خریدار مشاهده می‌کنیم که متغیر تعامل با استفاده از احساسات خریدار منفی و در سطح 5 درصد معنادار است. این یافته نشان می دهد که در محیطی با سطوح بالای عدم تقارن اطلاعاتی، احساسات مثبت تر از سوی خریدار با بازده غیرعادی کمتر مرتبط است. نتایج ما نشان می‌دهد که اگر عدم تقارن اطلاعاتی در جایی که سرمایه‌گذاران به اطلاعات قابل اعتمادتری از خریدارها نیاز دارند، اما خریدارها اطلاعات دستکاری بیشتری را از طریق سیگنال‌های احساسات مثبت در بیانیه‌های مطبوعاتی ارائه می‌دهند، بیشتر باشد، ارزش شرکت خریدار کاهش می‌یابد.

جدول 6 . تعدیل تأثیر عدم تقارن اطلاعاتی بر بازده سهام.

متغیر وابسته	ماشین هدف [-1،+1] FF				خریدار CAR [-1،+1] FF
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
sentimt _press	0.036 ^_				0.000
	(0.017)				(0.004)
عدم تقارن	0.085 ^⁎⁎⁎	−0.096 ^⁎⁎⁎	−0.100 ^⁎⁎⁎	0.093 ^⁎⁎⁎	0.004-	0.002	−0.005	0.001
	(0.030)	(0.033)	(0.034)	(0.033)	(0.009)	(0.009)	(0.009)	(0.009)
infoasymtry#sentimt _press	0.029- ^_				0.002-
	(0.016)				(0.011)
sentimt _acq		0.072		0.058		0.009		0.009
		(0.063)		(0.063)		(0.008)		(0.008)
infoasymtry#sentimt _acq		0.039-		0.037-		−0.029⁎⁎ ^_		0.030 ^⁎⁎⁎
		(0.079)		(0.086)		(0.012)		(0.011)
sentimt _tgt			0.122 ^_	0.114 ^_			0.001	0.001
			(0.058)	(0.056)			(0.007)	(0.007)
infoasymtry#sentimt _tgt			0.041-	0.036-			0.000	0.007
			(0.068)	(0.074)			(0.012)	(0.011)
کنترل شرکت و معامله	آره	آره	آره	آره	آره	آره	آره	آره
سال FE	آره	آره	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره	آره	آره
ن	827	827	827	827	826	826	826	826
صفت R ²	0.175	0.179	0.175	0.177	0.329	0.325	0.327	0.327

این جدول نتایج رگرسیون مقطعی را برای واکنش بازار سهام برای هدف و خریدار به ترتیب و اثر تعدیل کننده عدم تقارن اطلاعاتی را گزارش می دهد. برای متغیرهای مستقل، از احساسات خالص (تفاوت بین احساسات مثبت و منفی) کل بیانیه مطبوعاتی ( sentimt _press )، اظهارات خریدار ( sentimt _acq ) و اظهارات هدف ( sentimt _tgt ) استفاده می‌کنیم. برای متغیرهای وابسته، CAR بازده غیرعادی تجمعی در پنجره رویداد [-1،+1] خریدار (هدف) برآورد شده توسط مدل سه عاملی Fama-French است. ما همچنین ویژگی های معامله، ویژگی های شرکت خریدار و ویژگی های شرکت هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . رگرسیون های ما از اثرات ثابت سال و صنعت استفاده می کنند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

جدول 7 نتایج مربوط به نتایج معامله را با استفاده از عدم تقارن اطلاعاتی به عنوان متغیر تعدیل کننده ارائه می دهد. در حالی که ما هنوز متوجه می‌شویم که عدم تقارن اطلاعات تأثیر زیادی بر موفقیت معامله و زمان تکمیل معامله دارد، اما برای هیچ یک از اثرات تعدیل‌کننده اهمیت آماری پیدا نمی‌کنیم.

جدول 7 . تعدیل تأثیر عدم تقارن اطلاعات بر ویژگی های معامله

متغیر وابسته	موفقیت در معامله (تکمیل یا پس گرفته شده)				روزهای تا اتمام معامله
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
sentimt _press	0.088-				−0.036 ^⁎⁎⁎
	(0.161)				(0.010)
عدم تقارن	1.803 ^_	1.739 ^⁎⁎⁎	1.338 ^⁎⁎⁎	1.359 ^_	−0.112 ^_	−0.104 ^_	−0.111 ^_	−0.112 ^_
	(0.577)	(0.584)	(0.468)	(0.503)	(0.053)	(0.055)	(0.053)	(0.051)
infoasymtry#sentimt _press	0.225-				0.009
	(0.210)				(0.025)
sentimt _acq		0.499		0.260		0.055-		0.024-
		(0.489)		(0.464)		(0.062)		(0.065)
infoasymtry#sentimt _acq		0.227		0.123-		0.007-		−0.006
		(0.575)		(0.454)		(0.079)		(0.084)
sentimt _tgt			1.879 ^_	1.824 ^⁎⁎⁎			−0.300 ^⁎⁎⁎	−0.296 ^⁎⁎⁎
			(0.703)	(0.677)			(0.070)	(0.067)
infoasymtry#sentimt _tgt			1.204	1.242			0.044	0.049
			(1.352)	(1.302)			(0.095)	(0.109)
کنترل شرکت و معامله	آره	آره	آره	آره	آره	آره	آره	آره
سال FE	آره	آره	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره	آره	آره
ن	833	833	833	833	721	721	721	721
شبه R ² / Adj. R ²	0.477	0.475	0.485	0.486	0.499	0.498	0.509	0.508

این جدول نتایج رگرسیون مقطعی را در مورد موفقیت معامله و روزهای تکمیل معامله و اثر تعدیل کننده عدم تقارن اطلاعاتی را گزارش می دهد. برای متغیرهای مستقل، از احساسات خالص (تفاوت بین احساسات مثبت و منفی) کل بیانیه مطبوعاتی ( sentimt _press )، اظهارات خریدار ( sentimt _acq ) و اظهارات هدف ( sentimt _tgt ) استفاده می‌کنیم. برای متغیرهای وابسته، ما از deal_succ به عنوان متغیر وابسته خود استفاده می‌کنیم که اگر معامله قبل از پایان سال 2020 انجام شده باشد (1004 مشاهده) به صورت 1 و در غیر این صورت 0 (148 مشاهده) تعریف می‌شود. روز لگاریتم روزهای بین اعلام M&A و تاریخ تکمیل مشروط به تکمیل معامله است. ما همچنین ویژگی های معامله، ویژگی های شرکت خریدار و ویژگی های شرکت هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . ما از یک مدل لاجیت برای رگرسیون های موفقیت معامله متغیر باینری و یک رگرسیون حداقل مربعات معمولی برای روزهای تکمیل معامله استفاده می کنیم. همه رگرسیون ها شامل اثرات ثابت سال و صنعت هستند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

نتایج نشان می دهد که احساسات در بیانیه های مطبوعاتی اولیه ممکن است نماینده ای برای عدم تقارن اطلاعاتی نباشد و مدیریت از احساسات برای غلبه بر عدم تقارن اطلاعاتی استفاده نمی کند. ما متوجه شدیم که عدم تقارن اطلاعاتی اثر احساسات خریدار بر بازده سهام خریدار را تعدیل می‌کند، که باعث دلسردی بیشتر تقاضای سرمایه‌گذاران می‌شود. با این حال، احساسات همچنان یک عامل تعیین کننده مهم در واکنش بازار سهام و نتایج معاملات نشان داده شده است. در بخش بعدی، انگیزه‌ها و مکانیسم‌های پشت احساسات مدیران در بیانیه‌های مطبوعاتی M&A را بررسی می‌کنیم.

5 . چرا مدیران از احساسات در بیانیه های مطبوعاتی استفاده می کنند؟

از آنجایی که هیچ مقررات سختگیرانه ای از سوی SEC وجود ندارد که مدیریت را ملزم به انتشار بیانیه های مطبوعاتی M&A یا اظهار نظر در مورد معاملات کند، تصمیم برای صدور بیانیه مطبوعاتی توسط مدیریت گرفته می شود. ما چندین انگیزه برای استفاده از احساسات در بیانیه های مطبوعاتی را بررسی می کنیم. ابتدا، ما آزمایش می کنیم که آیا استفاده از احساسات را می توان با ویژگی های معامله توضیح داد. در جدول 8 ، تاثیر درصد پرداخت سهام را بررسی می کنیم. ما روی این تمرکز می کنیم زیرا خریدارها انگیزه قوی تری برای افزایش ارزش سهام خود در این معاملات دارند ( He et al., 2020 ). ما متوجه شدیم که اظهارات و احساسات هدف به طور قابل توجهی تحت تأثیر درصد پرداخت سهام هستند، که از یافته قبلی ما حمایت می کند که احساسات هدف منعکس کننده اصول معامله است. با این حال، هیچ معناداری آماری بین اظهارات خریدار، احساسات آنها و درصد پرداخت سهام پیدا نمی‌کنیم.

جدول 8 . تأثیر پرداخت های سهام بر بیانیه های مطبوعاتی و احساسات مدیریتی.

متغیر وابسته	ساختگی _acq	ساختگی _tgt	sentimt _press	sentimt _acq	sentimt _tgt
سلول خالی	(1)	(2)	(3)	(4)	(5)
pct_stk	0.467	1.632 ^_	0.336 ^⁎⁎⁎	0.001	0.032 ^_
	(0.496)	(0.400)	(0.091)	(0.026)	(0.017)
کنترل شرکت و معامله	آره	آره	آره	آره	آره
سال FE	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره
ن	833	833	827	827	827
شبه R ² / Adj. R ²	0.333	0.250	0.132	0.156	0.021

این جدول نتایج رگرسیونی پرداخت های سهام در انتشار بیانیه های مطبوعاتی و احساسات مدیریتی مورد استفاده در بیانیه های مطبوعاتی را نشان می دهد. برای متغیرهای وابسته، عبارت ساختگی خریدار (هدف) را در بیانیه مطبوعاتی ( دوم _acq ، ساختگی _tgt ) قرار می‌دهیم، که اگر خریدار (هدف) در بیانیه مطبوعاتی نقل قول بدهد، برابر 1 است و در غیر این صورت 0 است. ما همچنین از احساسات خالص (تفاوت بین احساسات مثبت و منفی) کل بیانیه مطبوعاتی ( sentimt _press )، اظهارات خریدار ( sentimt _acq ) و اظهارات هدف ( sentimt _tgt ) استفاده می کنیم. درصد پرداخت سهام ( ptk_stk ) متغیر مستقل اصلی ما است. ما ویژگی های معامله، ویژگی های شرکت خریدار و ویژگی های شرکت هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . ما از یک مدل لاجیت برای رگرسیون‌های متغیرهای باینری و یک رگرسیون حداقل مربعات معمولی برای معیارهای احساسات استفاده می‌کنیم. همه رگرسیون ها شامل اثرات ثابت سال و صنعت هستند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

دوم، بررسی می‌کنیم که آیا نگرش معامله، یعنی دوستانه بودن یا نبودن یک معامله، می‌تواند بیانیه‌های اعلامیه‌های اولیه M&A و احساس آنها را توضیح دهد. نتایج در جدول 9 ارائه شده است و نشان می دهد که در مقایسه با معاملات خصمانه، معاملات دوستانه با اظهارات مکرر و احساسات مثبت بیشتری از سوی خریدار و هدف همراه است. با این حال، بخش بزرگی از تغییرات در احساسات خریدار ناشی از تغییرات درون گروهی از معاملات دوستانه است. ساختگی معاملات دوستانه فقط تنوع بین گروهی را نشان می دهد و نمی تواند تغییرات درون گروهی را توضیح دهد. بنابراین، نتیجه می گیریم که این ویژگی های معامله نمی توانند به طور کامل استفاده از احساسات را توضیح دهند.

جدول 9 . تأثیر نگرش معامله بر انتشارات مطبوعاتی و احساسات مدیریتی.

متغیر وابسته	ساختگی _acq	ساختگی _tgt	sentimt _press	sentimt _acq	sentimt _tgt
سلول خالی	(1)	(2)	(3)	(4)	(5)
deal_att	1.522 ^_	5.251 ^_	0.059-	0.113 ^_	0.283 ^⁎⁎⁎
	(0.641)	(0.765)	(0.162)	(0.059)	(0.025)
کنترل شرکت و معامله	آره	آره	آره	آره	آره
سال FE	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره
ن	833	833	827	827	827
شبه R ² / Adj. R ²	0.343	0.373	0.131	0.162	0.091

این جدول نتایج رگرسیون نگرش معامله (معاملات دوستانه در مقابل معاملات خصمانه) در انتشار بیانیه های مطبوعاتی و احساسات مدیریتی مورد استفاده در بیانیه های مطبوعاتی را نشان می دهد. برای متغیرهای وابسته، بیانیه ساختگی خریدار (هدف) را به ترتیب در بیانیه مطبوعاتی ( دوم _acq ، ساختگی _tgt ) قرار می دهیم، که اگر خریدار (هدف) در بیانیه مطبوعاتی نقل قول بدهد، برابر 1 است و در غیر این صورت 0 است. ما همچنین از احساسات خالص (تفاوت بین احساسات مثبت و منفی) کل بیانیه مطبوعاتی ( sentimt _press )، اظهارات خریدار ( sentimt _acq ) و اظهارات هدف ( sentimt _tgt ) استفاده می کنیم. متغیر مستقل deal_att برابر است با 1 اگر اکتساب دوستانه باشد (1091 مشاهده) و 0 در غیر این صورت (61 مشاهده). ما ویژگی های معامله، ویژگی های شرکت خریدار و ویژگی های شرکت هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . ما از یک مدل لاجیت برای رگرسیون‌های متغیرهای باینری و یک رگرسیون حداقل مربعات معمولی برای معیارهای احساسات استفاده می‌کنیم. همه رگرسیون ها شامل اثرات ثابت سال و صنعت هستند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

در مرحله بعد، ما تأثیر ویژگی های احساسات مدیریت مورد استفاده در بیانیه های مطبوعاتی را همانطور که توسط فرضیه سوم ما فرض شده است، بررسی می کنیم. ما روی اعتماد به نفس بیش از حد مدیرعامل تمرکز می کنیم زیرا مدیران عامل با اعتماد به نفس بیش از حد ممکن است انگیزه ای برای دستکاری احساسات در معاملات M&A داشته باشند، زیرا ممکن است نسبت به موفقیت شرکت ادغام شده خوشبین تر باشند یا ممکن است این کار را برای محافظت از ارزش سهام خود انجام دهند. جدول 10 نتایج رگرسیون را در مورد تأثیر اعتماد بیش از حد مدیر عامل بر احساسات مدیریتی در بیانیه های مطبوعاتی M&A ارائه می دهد. ما اعتماد بیش از حد مدیرعامل ( ceoconfidt ) را با پیروی از رویکرد Malmendier و Tate (2005) اندازه گیری می کنیم . ¹⁹

جدول 10 . اعتماد بیش از حد مدیرعامل به احساسات مدیریتی در بیانیه های مطبوعاتی.

متغیر وابسته	ساختگی _acq	sentimt _acq	sentimt _acqm	sentimt _acqf	ساختگی _tgt	sentimt _tgt
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)
ceoconfidt _acq	0.373	−0.046 ^_	0.042 ^⁎⁎	0.007-
	(0.391)	(0.024)	(0.020)	(0.009)
ceogender _acq	1.064	0.127 ^⁎⁎⁎	0.114 ^_	0.026
	(0.797)	(0.045)	(0.044)	(0.018)
ceoshrown _acq	−0.010	0.004	0.005	−0.000
	(0.049)	(0.004)	(0.004)	(0.001)
ceooptown _acq	−1.820	0.165-	0.167-	0.045
	(2.438)	(0.143)	(0.127)	(0.027)
ceoage _acq	0.009-	0.043	0.057	0.003-
	(2.932)	(0.153)	(0.145)	(0.031)
ceotenure _acq	0.014	0.004-	−0.005	0.001-
	(0.030)	(0.003)	(0.003)	(0.001)
ceoedu _acq	0.354	0.027 ^_	0.028 ^_	0.002-
	(0.253)	(0.015)	(0.012)	(0.004)
io _acq	0.010	0.001	0.000	0.000
	(0.008)	(0.001)	(0.000)	(0.000)
indepdir _acq	-2.731	0.053	0.044	−0.010
	(1.702)	(0.082)	(0.070)	(0.012)
ceodual _acq	0.698-	0.012-	−0.011	0.012 ^_
	(0.505)	(0.022)	(0.020)	(0.006)
stagbrd _acq	0.042-	0.037 ^_	0.038 ^_	0.005
	(0.470)	(0.020)	(0.017)	(0.006)
brdsize _acq	0.196	0.005	0.006	0.002 ^_
	(0.120)	(0.006)	(0.004)	(0.001)
ceoconfidt _tgt					0.452-	0.042-
					(1.177)	(0.040)
ceogender _tgt					−14.017 ^⁎⁎⁎	−0.125 ^⁎⁎
					(2.891)	(0.056)
ceoshrown _tgt					0.829	0.062 ^_
					(1.181)	(0.035)
ceopoptown _tgt					−67.731 ^_	−1.723 ^⁎⁎⁎
					(27.721)	(0.621)
ceoage _tgt					8.952	0.405⁎⁎⁎ ^_
					(10.137)	(0.125)
ceotenure _tgt					0.201	0.002-
					(0.137)	(0.005)
ceoedu _tgt					1.201	0.038 ^_
					(1.436)	(0.018)
io _tgt					0.027-	0.001
					(0.024)	(0.001)
indepdir _tgt					6.843	0.259- ^_
					(5.615)	(0.145)
ceodual _tgt					2.601 ^_	0.020
					(1.114)	(0.061)
stagbrd _tgt					1.156	0.011
					(1.339)	(0.044)
brdsize _tgt					0.581-	0.020 ^_
					(0.382)	(0.008)
کنترل شرکت و معامله	آره	آره	خیر	خیر	آره	آره
سال FE	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره
ن	608	598	598	598	305	293
شبه R ² / Adj. R ²	0.368	0.157	0.032-	0.712	0.642	0.080

این جدول نتایج رگرسیون اعتماد بیش از حد مدیرعامل به انتشار بیانیه های مطبوعاتی و احساسات مدیریتی مورد استفاده در بیانیه های مطبوعاتی را نشان می دهد. اعتماد بیش از حد مدیر عامل به دنبال روشی است که توسط Malmendier و Tate (2005) برای خریدار ( ceoconfidt _acq ) و هدف ( ceoconfidt _tgt ) پیشنهاد شده است. برای هدف، ما از سال تأخیر t-1 برای اعتماد بیش از حد مدیر عامل هدف استفاده می کنیم، زیرا اکثر مدیران عامل هدف، پس از خرید در سال t ، گزینه های سهام را دریافت نمی کنند . sentimt _acqm جزء دستکاری احساسات خریدار است و به عنوان باقیمانده رگرسیون احساسات خریدار ( sentimt _acq ) روی ویژگی‌های معامله، خریدار و شرکت هدف تعریف می‌شود. sentimt _acqf احساسات اساسی خریدار است و به عنوان تفاوت بین sentimt _acq و sentimt _acqm تعریف می‌شود . ما ویژگی‌های معامله، شرکت، مدیرعامل و ویژگی‌های مدیر شرکت‌های خریدار و هدف را کنترل می‌کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . ما از یک مدل لاجیت برای رگرسیون‌های متغیرهای باینری و یک رگرسیون حداقل مربعات معمولی برای معیارهای احساسات استفاده می‌کنیم. همه رگرسیون ها شامل اثرات ثابت سال و صنعت هستند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

ما ابتدا آزمایش می کنیم که آیا مدیران اجرایی بیش از حد اعتماد به نفس بیشتر در بیانیه های مطبوعاتی M&A اظهار نظر می کنند یا خیر. نتایج شواهدی را ارائه نمی دهد که مدیران عاملی که بیش از حد اعتماد به نفس دارند بیانیه های بیشتری نسبت به همتایان خود صادر می کنند. ما اهمیت آماری را نه برای مدیرعامل خریدار (ستون 1) و نه برای مدیر عامل هدف (ستون 5) پیدا کردیم. با این حال، در ستون 2، نتایج نشان می دهد که اگر بیانیه مطبوعاتی M&A حاوی بیانیه ای از خریدار باشد، مدیران عامل با اعتماد به نفس بیش از حد احساسات مثبت کمتری ایجاد می کنند. از این رو، نتایج این استدلال را تایید نمی کند که مدیران عامل با اعتماد به نفس بیش از حد از احساسات مثبت بیشتری برای متقاعد کردن مدیریت هدف و سرمایه گذاران استفاده می کنند که می توانند به معامله خوبی برای سهامداران خریدار دست یابند.

ما همچنین تأیید می‌کنیم که مدیران اجرایی با اعتماد به نفس کمتر بر مؤلفه دستکاری احساسات خریدار بیشتر از مؤلفه اساسی تأثیر می‌گذارند. ضریب اعتماد بیش از حد مدیر عامل ( ceoconfidt _acq ) در مولفه دستکاری احساسات خریدار در ستون 3 0.042- است که از نظر بزرگی بیشتر از تأثیر آن (0.007-) بر مؤلفه اساسی در ستون 4 است. علاوه بر این، ضریب منفی نشان می دهد. که مدیران اجرایی با اعتماد به نفس کمتر، مؤلفه دستکاری احساسات خریدار را هدایت می کنند.

علاوه بر این، در حالی که ما فقط برخی از اهمیت آماری ضعیف را برای تابلوهای پلکانی ( stagbrd _acq ) می‌یابیم، ضرایب استقلال هیئت مدیره ( indepdir _acq ) و دوگانگی مدیرعامل ( ceodual _acq ) فاقد اهمیت برای احساسات خریدار هستند. بنابراین، ما نمی‌توانیم از توضیح جایگزین مبنی بر اینکه نظارت ناکافی توسط هیئت مدیره ممکن است منجر به احساسات نامناسب یا متورم شده توسط مدیر عامل خریدار شود، پشتیبانی کنیم. توضیح جایگزین این است که خریدارها از احساسات مدیریتی مثبت در اطلاعیه های عمومی اولیه استفاده می کنند تا اثرات احساسات منفی رسانه ها را قبل از معامله خنثی کنند. برای بررسی این استدلال، ما پوشش رسانه‌ای و احساسات رسانه‌ای را بر احساسات خریدار پس‌انداز می‌کنیم. در نتایج گزارش نشده، ضرایب متغیرهای مرتبط با رسانه معنی‌دار نیستند، که نشان می‌دهد هیچ مدرکی برای این توضیح جایگزین وجود ندارد.

علاوه بر این متغیرهای اصلی مورد علاقه، ما تأثیر سایر ویژگی‌هایی را که ممکن است در زمانی که شرکت‌ها از احساسات مثبت تری در بیانیه‌های مطبوعاتی M&A استفاده می‌کنند، به این موضوع کمک کند، تحلیل می‌کنیم. اندازه شرکت در همه مدل ها قابل توجه است. بنابراین نتیجه می گیریم که خریدارهای بزرگتر از احساسات مثبت کمتری استفاده می کنند. به ویژه، زمانی که شرکت‌های بزرگ‌تر اهداف کوچک‌تری را به دست می‌آورند، نتایج ما نشان می‌دهد که نیاز خریدارها برای متقاعد کردن سرمایه‌گذاران برای پذیرش معامله به شدت کاهش می‌یابد. ²⁰

ما بحث می‌کنیم و متوجه می‌شویم که شرکت هدف احساسات را دستکاری نمی‌کند، زیرا بهترین استراتژی برای مدیران هدف، منعکس کردن اصول M&A در احساسات خود بدون هیچ گونه دستکاری است. بنابراین، اعتماد بیش از حد مدیر عامل هدف نباید با مولفه دستکاری شده احساسات آن مرتبط باشد. نتایج در ستون های 5 و 6 جدول 10 گزارش شده است و به طور کلی این استدلال را تایید می کند.

به طور خلاصه، شواهدی پیدا می‌کنیم که نشان می‌دهد احساسات خریدار تا حدی توسط اعتماد بیش از حد مدیر عامل هدایت می‌شود و در نتیجه از فرضیه سوم ما حمایت می‌کند. مدیران عامل خریدار با اعتماد پایین انگیزه دارند تا از کاهش بالقوه قیمت سهام محافظت کنند تا از ارزش سهام خود محافظت کنند. بنابراین، این مدیران عامل تشویق می شوند تا به طور استراتژیک از احساسات مثبت بیشتری برای کاهش نگرانی سرمایه گذاران در مورد معامله M&A استفاده کنند. در سمت هدف، نشان می‌دهیم که احساسات هدف، مبانی معامله M&A را فراهم می‌کند و هیچ دستکاری در احساسات نمی‌یابیم.

6 . ارتباط اطلاعیه های عمومی اولیه

برخلاف اظهارات پروکسی، که توسط SEC اجباری هستند، اعلامیه های عمومی اولیه مورد نیاز نیستند و از هیچ دستورالعمل سبک یا الزاماتی در مورد محتوا پیروی نمی کنند. بنابراین شرکت‌های خریدار و هدف داوطلبانه اظهارات خود را در بیانیه‌های مطبوعاتی افشا می‌کنند. تأثیر این اطلاعات اضافی هنوز مورد بررسی قرار نگرفته است و ما تجزیه و تحلیل می کنیم که آیا اقدام داوطلبانه مدیریت که نظرات خود را در مورد معامله بیان می کند اطلاعات ارزشمندی را برای سرمایه گذاران فراهم می کند یا خیر. در این بخش بررسی می‌کنیم که آیا وجود کلی اعلامیه‌ها و اظهارات عمومی اولیه در این اطلاعیه‌ها تأثیر بسزایی بر سرمایه‌گذاران و نتایج معاملات دارد یا خیر. بنابراین، ما معاملات را با و بدون بیانیه های عمومی اولیه مقایسه می کنیم. ما تصدیق می‌کنیم که تفاوت‌های بالقوه ممکن است ناشی از سوگیری انتخاب شخصی مرتبط با انتشار بیانیه‌های مطبوعاتی باشد. از این رو، ما هر گونه سوگیری انتخاب خود را با استفاده از تطبیق امتیاز تمایل (PSM) و رویکرد متغیر ابزاری با استفاده از یک مدل تصحیح دو مرحله‌ای به دنبال هکمن (1979) تصحیح می‌کنیم .

6.1 . ارزش اطلاعاتی اعلامیه های عمومی اولیه

ما با بررسی واکنش بازار سهام در مورد اعلامیه های M&A شروع می کنیم مشروط به اینکه آیا یک بیانیه مطبوعاتی در پایگاه داده EDGAR یافت می شود و اینکه آیا بیانیه مدیریتی خاصی توسط مدیران کلیدی در آن وجود دارد یا خیر. متغیرهای وابسته رگرسیون ما به ترتیب CARهای سه روزه ([-1،+1] پنجره رویداد) هدف و شرکت خریدار هستند. ما سه متغیر مستقل را به عنوان متغیر اصلی مورد علاقه خود انتخاب کردیم. ابتدا، ما تجزیه و تحلیل می کنیم که آیا وجود یک بیانیه مطبوعاتی به طور کلی اهمیت دارد یا خیر. اگر می توان یک نسخه مطبوعاتی در سیستم EDGAR پیدا کرد، _پرس ساختگی متغیر باینری به صورت 1 و در غیر این صورت 0 تعریف می شود. نمونه کل ما شامل 2944 معامله است که 1152 معامله M&A (39.1٪) مربوط به اطلاعیه های مطبوعاتی است. اگر بیانیه مطبوعاتی دارای بخشی باشد که توسط مدیران خریدار (هدف) نوشته شده یا نقل شده است، متغیر باینری dummy _acq ( dummy _tgt ) به صورت 1 و در غیر این صورت 0 تعریف می شود. توجه داشته باشید که یک بیانیه مطبوعاتی می تواند حاوی بیانیه هایی از هر دو طرف یا فقط از یک طرف باشد. نتایج در جدول A.2 ارائه شده است .

دریافتیم که انتشار بیانیه‌های مطبوعاتی M&A و بیانیه‌های مدیران خریدار منجر به واکنش‌های قابل توجهی در بازده سهام خریدار نمی‌شود. در مقابل، نتایج نشان می دهد که واکنش بازده سهام شرکت هدف به طور قابل توجهی و مثبت تحت تاثیر وجود یک بیانیه مطبوعاتی است. نتیجه نشان می دهد که سرمایه گذاران هدف، اطلاعات ارزشمندی را از اعلام عمومی اولیه جمع آوری می کنند. همچنین دریافتیم که اظهارات صادر شده توسط خریدار و هدف هر دو تأثیر قابل توجهی بر قیمت سهام هدف دارند. ²¹ به طور کلی، نتایج برخی شواهد تجربی ارائه می کند که وجود یک بیانیه مطبوعاتی M&A تأثیر قابل توجهی تنها بر قیمت سهام هدف دارد و بر بازده سهام خریدار تأثیر نمی گذارد.

ما بیشتر تحلیل می‌کنیم که آیا وجود یک بیانیه مطبوعاتی نتایج معامله M&A را نیز پیش‌بینی می‌کند ( جدول A.3 را ببینید ). نتایج نشان می‌دهد که فقط اظهارات هدف با احتمال موفقیت معامله بیشتر و روزهای کمتری برای تکمیل معامله همراه است و ما هیچ تأثیری از اظهارات خریدار بر معیارهای نتیجه معامله خود نمی‌یابیم. نتایج نشان می‌دهد که با وجود یکسان بودن، وجود یک بیانیه هدف میانگین دوره تکمیل را 14 روز کوتاه می‌کند (میانگین 98 روز).

به طور خلاصه، متوجه می‌شویم که تنها بیانیه‌های هدف در بیانیه‌های مطبوعاتی اولیه M&A اطلاعات ارزشمندی برای سرمایه‌گذاران در نظر گرفته می‌شوند. واکنش بازار سهام در مورد اعلامیه های M&A به طور قابل توجهی تحت تأثیر وجود یک بیانیه هدف است. همچنین مشاهده می کنیم که بیانیه های هدف به سرمایه گذاران اجازه می دهد تا نتیجه معامله را پیش بینی کنند. در مقابل، به نظر نمی رسد اظهارات خریدار برای سرمایه گذاران مرتبط باشد، زیرا این اعلامیه ها هیچ تاثیری بر بازار سهام یا پیش بینی نتیجه معامله ندارد.

6.2 . سوگیری انتخاب خود با تصمیم برای انتشار بیانیه های مطبوعاتی مرتبط است

مجموعه تحلیل‌های قبلی نشان می‌دهد که معاملات با یک بیانیه مطبوعاتی اولیه و معاملات بدون بیانیه مطبوعاتی منجر به واکنش‌های بازار و نتایج معامله به طور قابل توجهی متفاوت می‌شود. یکی از دلایل این امر می تواند این باشد که مدیریت خود انتخاب می کند تا انتشارات مطبوعاتی را آغاز کند، که منجر به سوگیری بالقوه خود انتخابی می شود. برای کاهش نگرانی‌های این مشکل درون‌زایی بالقوه ، ما دو رویکرد متفاوت را اعمال می‌کنیم.

ابتدا، ما با استفاده از یک روش PSM، درون زایی را کنترل می کنیم. برای هر معامله، ما یک بیانیه مطبوعاتی (گروه درمان) را با یک خرید مربوطه بدون بیانیه مطبوعاتی (گروه کنترل) مطابقت می دهیم. فرآیند تطبیق از یک مدل لاجیت با یک متغیر وابسته استفاده می‌کند که مشخص می‌کند آیا یک انتشار مطبوعاتی وجود دارد یا خیر. ما از متغیرهای مستقل به عنوان عوامل ورودی برای مدل انتخاب مرحله اول هکمن (1979) استفاده می کنیم (به متغیرهای شرح داده شده در جدول A.1 مراجعه کنید ). بهترین رویکرد تطبیق ما با استفاده از امتیاز تمایل از روش استاندارد (پشتیبانی مشترک، بدون تعویض و فاصله کولیس 0.01) پیروی می کند. پس از تطبیق گروه های تحت درمان و کنترل، نتایج گزارش شده در جدول A.4 و جدول A.5 با یافته های اصلی ما مطابقت دارد. در مشخصات (3) و (4) جدول A.4 ، ابتدا مشاهده می کنیم که بازده اعلام هدف ( Target CAR [-1,+1] FF ) به طور مثبت تحت تأثیر احساسات هدف قرار می گیرد ( sentimt _tgt با ضرایب 0.139 و 0.132 به ترتیب در سطح معنی داری 5 درصد). در مشخصات (3) و (4) جدول A.5 ، متوجه می‌شویم که موفقیت معامله زمانی به طور قابل توجهی افزایش می‌یابد که هدف احساسات مثبت را ارائه می‌کند ( sentimt _tgt به ترتیب با ضرایب 1.911 و 1.849 در سطح معناداری 5٪)، در حالی که مشخصات (7) ) و (8) از جدول A.5 نشان می دهد که روزهای تکمیل معامله زمانی که هدف احساسات مثبت را ارائه می دهد به طور قابل توجهی کاهش می یابد ( سنتیمت _tgt به ترتیب با ضرایب 0.260- و 0.265- در سطح معنی داری 1٪).

دوم، ما به مشکل درونزایی بالقوه با استفاده از یک رویکرد متغیر ابزاری پرداخته و یک مدل اصلاحی دو مرحله‌ای را به دنبال هکمن (1979) اعمال می‌کنیم . ما عمدتاً از رویکرد کیمبرو و لوئیس (2011) پیروی می‌کنیم که تعیین می‌کنند چه زمانی شرکت‌های پیشنهاد دهنده داوطلبانه کنفرانس‌های مربوط به ادغام را برگزار می‌کنند. بنابراین، آنها با سوگیری انتخاب مشابهی روبرو هستند، زیرا شرکت هایی که تماس های کنفرانسی را پس از خرید برگزار می کنند ممکن است با شرکت هایی که تماس های کنفرانسی برگزار نمی کنند متفاوت باشند. ما از رویکرد متغیر ابزاری کیمبرو و لوئیس (2011) استفاده می‌کنیم و از شاخص‌های عضویت در صنعت و سال اعلام برای ابزار افشای بیانیه‌های مطبوعاتی توسط شرکت‌ها استفاده می‌کنیم. پیش از این، انتظار نمی رود که این متغیرهای ابزاری به بازار سهام مرتبط باشند زیرا عضویت صنعت و سال اعلامی برونزا هستند. ²² سپس مدل دو مرحله ای خود انتخابی هکمن را برای تصحیح سوگیری انتخاب خود اعمال می کنیم. ²³ در رگرسیون اول، ما با استفاده از مدل پروبیت زیر، عوامل تعیین کننده منتشر شدن یا عدم انتشار بیانیه را بررسی می کنیم (به Kimbrough and Louis، 2011 مراجعه کنید ):(2) $dumm y_{press} = β_{0} + β_{1} {size}_{acq} + β_{2} m / b_{acq} + β_{3} {size}_{tgt} + β_{4} m / b_{tgt} + β_{5} {earnann}_{acq} + β_{6} {earnann}_{tgt} + β_{7} dealsize + β_{8} pct_stk + β_{9} indr + β_{10} {io}_{acq} + β_{11} {io}_{tgt} + hightech + yea r_{FE} + ε$ بر اساس متغیرهای تعریف شده در جدول A.1 . در مرحله دوم، ما در مدل نتیجه خود (یا مدل پایه) نسبت معکوس آسیاب مدل پروبیت اول را درج می کنیم ( کیمبرو و لوئیس، 2011 ). نتایج مدل مرحله اول در جدول A.6 ارائه شده است ، در حالی که نتایج ما برای مدل مرحله دوم در جدول A.7 و جدول A.8 ارائه شده است . ²⁴ یافته‌های ما بدون استفاده از مدل دو مرحله‌ای خود انتخابی هکمن برای نتایج اصلی قوی هستند.

به طور کلی، ما هیچ مدرکی پیدا نکردیم که نشان دهد نتایج ما ناشی از سوگیری انتخاب شخصی مرتبط با انتشار بیانیه‌های مطبوعاتی است. نتایج آزمون استحکام که سوگیری‌های انتخاب خود را با استفاده از PSM و رویکرد متغیر ابزاری کنترل می‌کند، نشان می‌دهد که انتشارات مطبوعاتی اولیه اطلاعات جدیدی را به بازار ارائه می‌کند و نتایج معامله را پیش‌بینی می‌کند.

7 . نتیجه

در این مقاله، ما گزارش می‌دهیم که بیانیه‌های مطبوعاتی M&A حاوی اطلاعات کیفی ارزشمندی است. ما احساسات مثبت و منفی مرتبط با کلمات در بیانیه‌های مطبوعاتی M&A را تجزیه و تحلیل می‌کنیم و به طور جداگانه احساسات مدیریتی خریدار مربوطه و شرکت‌های هدف را اندازه‌گیری می‌کنیم. این مقاله ادبیات مربوط به ارزش اطلاعات کمی افشا شده در اطلاعیه های M&A را گسترش می دهد (به عنوان مثال، فیلیپ و همکاران، 2022 را ببینید ). به طور خاص، نتایج ما نشان می‌دهد که احساسات مدیریتی شرکت هدف تأثیر مثبتی بر بازده سهام آن حول اطلاعیه‌های M&A دارد. ما همچنین متوجه شدیم که اختلافات اساسی بین احساسات مدیریتی شرکت‌های خریدار و هدف، با پیش‌بینی موفقیت معاملات M&A و منجر به تکمیل سریع‌تر معامله، اثرات واقعی دارد.

یافته‌های ما بینش‌هایی درباره رفتار سرمایه‌گذاران و مدیران در مورد معاملات M&A ارائه می‌دهد و برای تنظیم‌کننده‌ها در ایجاد مقررات برای نوع اطلاعات مورد نیاز در بیانیه‌های مطبوعاتی اولیه معاملات M&A مرتبط است. اگرچه ما شواهدی پیدا نکردیم که احساسات مدیریتی خریدارها بر بازده سهام خود یا بر بازده سهام اهداف تأثیر داشته باشد، ما استدلال می‌کنیم که خریدارها از یک جزء دستکاری شده احساسات مدیریتی خود سود می‌برند، که به ویژه در صورتی که مدیر عامل خریدار مشخص می‌شود. اعتماد به نفس پایینی دارد شواهد حاکی از آن است که بخشی از اطلاعات موجود در اطلاعیه های مطبوعاتی ممکن است غیر اطلاعاتی و جانبدارانه باشد و سرمایه گذاران با احتیاط واکنش نشان می دهند زمانی که تصمیمات سرمایه گذاری را بر اساس اطلاعات افشا شده اتخاذ می کنند. در مقابل، احساسات مدیریتی اهداف بعید است دستکاری شود و مبانی معامله M&A مربوطه را منعکس می کند. بنابراین، تنظیم‌کننده‌ها می‌توانند الزامات گزارش‌دهی سخت‌گیرانه‌تری را برای بهبود عینیت اطلاعاتی که خریداران در بیانیه‌های مطبوعاتی ارائه می‌کنند، در نظر بگیرند.

اعلامیه منافع رقابتی

این تحقیق هیچ کمک مالی خاصی از سازمان های تأمین مالی در بخش های عمومی، تجاری یا غیر انتفاعی دریافت نکرد.

پیوست اول

جدول A.1 . تعاریف متغیر

متغیر	تعریف
CAR _{acq (tgt)}	بازده غیرعادی تجمعی در پنجره رویداد سه روزه حول بیانیه مطبوعاتی اولیه محاسبه می‌شود، روز قبل از اعلام و روز بعد از انتشار را ثبت می‌کند. تخمین بر اساس مدل سه عاملی فاما-فرنچ است و عوامل با استفاده از پنجره تخمین [-220-21] تخمین زده می شوند.

احساسات
_پرس ساختگی	متغیر باینری به عنوان 1 تعریف می شود اگر یک بیانیه مطبوعاتی در روز اعلامیه صادر شود، و 0 در غیر این صورت.
dummy _{acq (tgt)}	متغیر باینری به عنوان 1 تعریف می شود اگر یک بیانیه مطبوعاتی حاوی بیانیه ای از خریدار (هدف) باشد، و 0 در غیر این صورت.
sentimt _press	تفاوت بین احساسات مثبت و منفی بیانیه مطبوعاتی کامل.
sentimt _acq(tgt)	تفاوت بین احساسات مثبت و منفی بیانیه مطبوعاتی در مورد خریدار (هدف).
sentimt _acqm	جزء دستکاری احساسات خریدار به عنوان باقیمانده رگرسیون احساسات خریدار ( sentimt _acq ) بر روی معاملات، خریدار، و ویژگی های شرکت هدف تعریف می شود.
sentimt _acqf	مؤلفه اساسی احساسات خریدار به عنوان تفاوت بین احساسات خریدار ( sentimt _acq ) منهای مؤلفه دستکاری گیرنده ( sentimt _acqm ) تعریف می شود.
sentimt _مخالف	تفاوت بین احساسات خریدار ( sentimt _acq ) و احساسات هدف ( sentimt _tgt ).
sentimt _fdadisagre	تفاوت اساسی در احساسات به عنوان تفاوت بین احساسات گیرنده ( sentimt _acq ) منهای مولفه دستکاری ( sentimt _acqm ) و احساسات هدف ( sentimt _tgt ) محاسبه می شود، که در آن جزء دستکاری ( sentimt _acqm ) باقیمانده از یک تخمین رگرسیون احساسات خریدار در مورد ویژگی های معامله، خریدار و هدف.
طول	لگاریتم تعداد کلمات در کل بیانیه مطبوعاتی.

ویژگی های معامله
معامله کردن	لگاریتم ارزش معامله به دلار.
pct_stk	درصد پرداخت سهام معامله.
deal_succ	متغیر باینری در صورت تکمیل معامله به صورت 1 و در غیر این صورت 0 تعریف می شود.
روزها	لگاریتم روزهای بین اعلام M&A و تاریخ تکمیل مشروط به تکمیل معامله.
deal_att	متغیر باینری به عنوان 1 تعریف می شود، اگر معامله یک خرید دوستانه باشد، و 0 در غیر این صورت.
عدم تقارن	به دنبال ماسولیس و سیمسیر (2018) و کارپوف و همکاران. (2013) یک عامل ترکیبی بر اساس عوامل ورودی زیر: (1) نوسانات خاص بازده سهام هدف، (2) پراکندگی و (iii) دقت پیش بینی های تحلیلگر در مورد شرکت هدف، (IV) اندازه هدف، (v) هزینه‌های تحقیق و توسعه، (vi) تعداد و (vii) کیفیت مشاوران مالی خریدار در معامله، (viii) شدت دارایی مشهود هدف، (ix) اقلام تعهدی غیرعادی شرکت هدف، و (x) فاصله بین دفتر مرکزی دو شرکت (در مایل).
در موج	متغیر باینری به عنوان 1 تعریف می شود اگر اعلام در طول موج ادغام رخ دهد، و 0 در غیر این صورت. امواج ادغام بر اساس روش شناسی هارفورد (2005) تعریف می شوند .
verti_deal	طبق روش فن و گویال (2006)، ادغام به عنوان یکپارچگی عمودی تعریف می شود که ضریب ارتباط عمودی بیش از 1٪ باشد و شرکت های ادغام شونده از صنایع مختلف باشند.
hori_deal	با توجه به روش فن و گویال (2006) ، ادغام به عنوان یک ادغام افقی تعریف می شود اگر ضریب ارتباط عمودی کمتر از 1٪ باشد و شرکت های ادغام شونده در همان صنایع باشند.
مناقصه	متغیر باینری در صورت ارائه پیشنهاد مناقصه توسط خریدار به صورت 1 و در غیر این صورت 0 تعریف می شود. متغیر از SDC به دست آمده است.
بی حس کننده	تعداد مناقصه گران گزارش شده در پایگاه داده SDC.
نسبی_اندازه	ارزش معامله تقسیم بر ارزش بازار حقوق صاحبان سهام در پایان سال قبل از اعلام ادغام.

ویژگی های شرکت
m/b _acq(tgt)	نسبت خریدار (هدف) بازار به دفتر در پایان سال قبل از اعلام ادغام.
اندازه _{acq (tgt)}	لگاریتم کل دارایی های خریدار (هدف) در پایان سال قبل از اعلام ادغام (به میلیون دلار).
اعتبار نقدی _(tgt)	وجوه نقد (هدف) خریدار و معادل آن تقسیم بر کل دارایی های اندازه گیری شده در پایان سال قبل از اعلام اولیه M&A.
roa _{acq (tgt)}	بازده دارایی خریدار (هدف) در پایان سال قبل از اعلام اولیه M&A اندازه‌گیری شد.
اهرم _{acq (tgt)}	اهرم خریدار (هدف) به صورت کل بدهی معوق (بلند مدت و کوتاه مدت) تقسیم بر کل دارایی های اندازه گیری شده در پایان سال قبل از اعلام اولیه M&A اندازه گیری می شود.
numnews _acq(tgt)	لگاریتم یک به اضافه تعداد کل مقالات خبری روزانه درباره M&A منتشر شده در 30 روز قبل از تاریخ اعلام معامله و ارسال آن. به استثنای شایعات M&A و اخبار برنامه ریزی شده.
sentinews _acq(tgt)	میانگین تفاوت بین تعداد مقالات مثبت و منفی M&A منتشر شده طی 30 روز قبل از تاریخ اعلام معامله. به استثنای شایعات M&A و اخبار برنامه ریزی شده.
prxrunup _acq(tgt)	بازده غیرعادی خرید و نگهداری شرکت در پنجره رویداد [-230،-11] قبل از اعلام اولیه است. بازده غیرعادی با استفاده از شاخص وزنی CRSP به عنوان معیار محاسبه می شود.
prodcompeti _{acq (tgt)}	سیالیت محصول اندازه گیری تهدیدات رقابتی در بازار محصول با پیروی از روش شناسی هوبرگ، فیلیپس و پرابهالا (2014) و از کتابخانه داده هوبرگ و فیلیپس به دست آمده است.

مشخصات مدیرعامل و مدیر
ceoshrown _acq(tgt)	مالکیت مدیرعامل در شرکت
ceooptown _{acq (tgt)}	مدیر عامل دارایی های اختیاری است.
io _acq(tgt)	درصد مالکیت سرمایه گذاران نهادی
ceoage _acq(tgt)	لگاریتم سن مدیرعامل در زمان اعلام.
ceotenure _acq(tgt)	مدت تصدی مدیرعامل بر حسب سال در زمان اعلام.
ceoedu _acq(tgt)	سوابق تحصیلی مدیر عامل، تعریف شده به صورت 1: هیچ یا کالج 2: مدرک لیسانس 3: مدرک کارشناسی ارشد 4: دکترا.
ceogender _acq(tgt)	متغیر باینری اگر مدیر عامل زن باشد 0 و اگر مدیر عامل مرد باشد 1 تعریف می شود.
indepdir _acq(tgt)	کسری از مدیران مستقل در هیئت مدیره.
Ceodual _acq(tgt)	متغیر باینری به عنوان 1 تعریف می شود اگر مدیر عامل نیز رئیس هیئت مدیره باشد و 0 در غیر این صورت.
stagbrd _acq(tgt)	متغیر باینری در صورتی که شرکت دارای تابلوی پلکانی باشد 1 و در غیر این صورت 0 تعریف می شود. ما از Guernsey et al. (2022) برای تعریف تخته پلکانی.
Brdsize _acq(tgt)	اندازه هیئت مدیره شرکت با تعداد اعضای هیئت مدیره اندازه گیری می شود.

مدل دو مرحله ای خود انتخابی هکمن
اندازه _acq	ارزش بازار حقوق صاحبان سهام در پایان سال قبل از اعلام ادغام (به میلیون دلار).
m/b _acq	نسبت بازار به دفتر خریدار در پایان سال قبل از اعلام ادغام.
اندازه _tgt	ارزش بازار سهام هدف در پایان سال قبل از اعلام ادغام (به میلیون دلار).
m/b _tgt	نسبت بازار به دفتر هدف در پایان سال قبل از اعلام ادغام.
کاران _acq	اگر اعلام ادغام ظرف پنج روز از تاریخ اعلام سود سه ماهه خریدار باشد، متغیر باینری به عنوان 1 تعریف می شود، در غیر این صورت 0.
کسب _tgt	متغیر باینری به عنوان 1 تعریف می شود اگر اعلام ادغام ظرف پنج روز از تاریخ اعلام سود سه ماهه هدف باشد، در غیر این صورت 0.
معامله کردن	اندازه معامله نسبی به عنوان ارزش معامله تقسیم بر ارزش بازار حقوق صاحبان سهام در پایان سال قبل از اعلام ادغام اندازه‌گیری می‌شود.
pct_stk	درصد در نظر گرفتن سهام تقسیم بر مبلغ کل.
inr	متغیر باینری به‌عنوان 1 تعریف می‌شود اگر خریدار و هدف در یک صنعت دو رقمی استاندارد طبقه‌بندی صنعتی (SIC) کار کنند، در غیر این صورت 0.
io _acq	درصد سهام خریدار توسط سرمایه گذاران نهادی در ابتدای سه ماهه ای که ادغام اعلام شده است.
io _tgt	درصد سهام هدف در اختیار سرمایه گذاران نهادی در ابتدای فصلی که ادغام اعلام شده است.
تکنولوژی پیشرفته	اگر کد SIC دو رقمی اولیه شرکت کد 28، 35، 36، 73 یا 87 باشد، متغیر باینری به عنوان 1 تعریف می شود، در غیر این صورت 0 است.
imr	نسبت آسیاب معکوس مرحله اول مدل خود انتخابی هکمن.

این جدول متغیرها و توضیحات متغیرهایی را که در سراسر مقاله استفاده می شود ارائه می دهد. ما متغیرها را برای کل انتشار مطبوعاتی ( press )، گیرنده ( acq ) و هدف ( tgt ) به طور جداگانه می سازیم.

جدول A.2 . تاثیر بیانیه های مطبوعاتی بر بازده سهام

متغیر وابسته	ماشین هدف [-1،+1] FF				خریدار CAR [-1،+1] FF
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
_پرس ساختگی	0.022 ^_				−0.006
	(0.012)				(0.004)
ساختگی _acq		0.059 ^_		0.027		0.008-		−0.005
		(0.027)		(0.026)		(0.006)		(0.008)
ساختگی _tgt			0.070 ^⁎⁎⁎	0.060 ^_			0.007-	−0.005
			(0.023)	(0.022)			(0.007)	(0.009)
کنترل شرکت و معامله	آره	آره	آره	آره	آره	آره	آره	آره
سال FE	آره	آره	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره	آره	آره
ن	2141	826	826	826	2144	827	827	827
صفت R ²	0.191	0.325	0.327	0.327	0.123	0.177	0.177	0.176

این جدول نتایج رگرسیون مقطعی تأثیر بیانیه های مطبوعاتی و اظهارات مدیریتی را به ترتیب بر بازده غیرعادی شرکت هدف و شرکت خریدار گزارش می کند. برای متغیرهای مستقل، اگر اعلامیه‌های مطبوعاتی در روز اعلامیه منتشر می‌شد، ساختگی انتشار مطبوعاتی ( _{مطبوعات} ساختگی ) را 1 و در غیر این صورت 0 را تنظیم می‌کنیم. علاوه بر این، اگر در روز اعلامیه یک بیانیه مطبوعاتی وجود داشته باشد، ما بیانیه ساختگی خریدار (هدف) را در بیانیه مطبوعاتی ( dummy _acq ، dumm _tgt ) تنظیم می کنیم، که اگر خریدار (هدف) یک نقل قول را نشان دهد برابر با 1 است. انتشار مطبوعاتی، و 0 در غیر این صورت. متغیر وابسته به ترتیب بازده غیرعادی تجمعی هدف و گیرنده در پنجره رویداد [-1،+1] است که توسط مدل سه عاملی Fama-French برآورد شده است. ما همچنین ویژگی های معامله، ویژگی های شرکت خریدار و ویژگی های شرکت هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . رگرسیون های ما از اثرات ثابت سال و صنعت استفاده می کنند. خطاهای استاندارد در سطح صنعت دسته بندی می شوند. خطاهای استاندارد در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

جدول A.3 . تأثیر بیانیه های مطبوعاتی بر ویژگی های معامله

متغیر وابسته	موفقیت در معامله (تکمیل یا پس گرفته شده)				روزهای تا اتمام معامله
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
_پرس ساختگی	0.465 ^_				0.018-
	(0.237)				(0.028)
ساختگی _acq		0.451		−1.086 ^_		-0.124		0.051-
		(0.336)		(0.512)		(0.086)		(0.109)
ساختگی _tgt			1.808 ^_	2.212 ^_			−0.159 ^⁎⁎⁎	0.138 ^⁎⁎
			(0.426)	(0.508)			(0.040)	(0.059)
کنترل شرکت و معامله	آره	آره	آره	آره	آره	آره	آره	آره
سال FE	آره	آره	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره	آره	آره
ن	2149	833	833	833	1818	721	721	721
شبه R ² / Adj. R ²	0.338	0.475	0.502	0.507	0.423	0.502	0.506	0.506

این جدول نتایج رگرسیون مقطعی تأثیر بیانیه‌های مطبوعاتی و بیانیه‌های مدیریتی بر موفقیت معامله و روزهای تکمیل معامله را گزارش می‌کند. برای متغیرهای مستقل، اگر اعلامیه‌های مطبوعاتی در روز اعلامیه منتشر می‌شد، ساختگی انتشار مطبوعاتی ( _{مطبوعات} ساختگی ) را 1 و در غیر این صورت 0 را تنظیم می‌کنیم. علاوه بر این، اگر یک بیانیه مطبوعاتی در روز اعلام وجود داشته باشد، ما بیانیه ساختگی خریدار (هدف) را در بیانیه مطبوعاتی ( dummy _acq ، dummy _tgt ) تنظیم می کنیم، که اگر خریدار (هدف) یک نقل قول را نشان دهد برابر با 1 است. انتشار مطبوعاتی، و 0 در غیر این صورت. برای متغیرهای وابسته، از deal_succ به عنوان متغیر وابسته خود استفاده می‌کنیم که اگر معامله‌ای قبل از پایان سال 2020 تکمیل شود، روی 1 تنظیم می‌شود . ما همچنین ویژگی های معامله، ویژگی های خریدار و ویژگی های هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . ما از یک مدل لاجیت برای رگرسیون های موفقیت معامله متغیر باینری و یک رگرسیون حداقل مربعات معمولی برای روزهای تکمیل معامله استفاده می کنیم. همه رگرسیون ها شامل اثرات ثابت سال و صنعت هستند. خطاهای استاندارد در سطح صنعت دسته بندی می شوند. خطاهای استاندارد در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

جدول A.4 . واکنش بازار سهام با استفاده از تطبیق امتیاز تمایل

متغیر وابسته	ماشین هدف [-1،+1] FF				خریدار CAR [-1،+1] FF
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
sentimt _press	0.024 ^⁎⁎⁎				0.000
	(0.008)				(0.003)
sentimt _acq		0.054		0.032		0.010		0.010
		(0.041)		(0.038)		(0.009)		(0.010)
sentimt _tgt			0.139 ^_	0.132 ^_			0.003	0.001
			(0.058)	(0.057)			(0.008)	(0.008)
کنترل شرکت و معامله	آره	آره	آره	آره	آره	آره	آره	آره
سال FE	آره	آره	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره	آره	آره
ن	1264	1264	1264	1264	1264	1264	1264	1264
صفت R ²	0.276	0.275	0.281	0.281	0.170	0.171	0.170	0.170

این جدول نتایج رگرسیون مقطعی را بر روی بازده غیرعادی شرکت هدف و خریدار به ترتیب با استفاده از تطبیق امتیاز تمایل بین معاملاتی که در آن بیانیه‌های مطبوعاتی منتشر شده و معاملات بدون بیانیه مطبوعاتی ارائه می‌کند. ما برای هر معامله با یک بیانیه مطبوعاتی (گروه درمانی) یک خرید مربوطه را بدون بیانیه مطبوعاتی (گروه کنترل) مطابقت می دهیم. فرآیند تطبیق از یک مدل لاجیت استفاده می کند و متغیر وابسته این است که آیا یک انتشار مطبوعاتی وجود دارد یا خیر، در حالی که متغیرهای مستقل متغیرهایی هستند که ما همچنین به عنوان عوامل ورودی در مدل انتخاب مرحله اول هکمن استفاده می کنیم (جدول A.1 را ببینید ) . برای متغیرهای مستقل اصلی، ما از احساسات خالص (تفاوت بین احساسات مثبت و منفی) کل بیانیه مطبوعاتی ( sentimt _press )، اظهارات خریدار ( sentimt _acq )، و اظهارات هدف ( sentimt _tgt ) استفاده می‌کنیم. متغیر وابسته به ترتیب بازده غیرعادی تجمعی هدف و گیرنده در پنجره رویداد [-1،+1] است که توسط مدل سه عاملی Fama-French برآورد شده است. ما همچنین ویژگی های معامله، ویژگی های شرکت خریدار و ویژگی های شرکت هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . رگرسیون های ما از اثرات ثابت سال و صنعت استفاده می کنند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

جدول A.5 . نتایج مشخصه را با استفاده از تطبیق امتیاز تمایل انجام دهید.

متغیر وابسته	موفقیت در معامله (تکمیل یا پس گرفته شده)				روزهای تا اتمام معامله
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
sentimt _press	0.219-				−0.032⁎⁎ ^_
	(0.182)				(0.014)
sentimt _acq		0.472		0.226		0.025-		0.021
		(0.434)		(0.382)		(0.067)		(0.072)
sentimt _tgt			1.911 ^_	1.849 ^_			0.260 ^⁎⁎⁎	−0.265 ^⁎⁎⁎
			(0.939)	(0.895)			(0.058)	(0.057)
کنترل شرکت و معامله	آره	آره	آره	آره	آره	آره	آره	آره
سال FE	آره	آره	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره	آره	آره
ن	1270	1270	1270	1270	1088	1088	1088	1088
شبه R ² / Adj. R ²	0.391	0.390	0.396	0.396	0.468	0.467	0.473	0.472

این جدول نتایج مربوط به ویژگی‌های معامله (موفقیت معامله و روزهای تکمیل معامله) را با استفاده از تطبیق امتیاز تمایل بین معاملاتی که برای آن‌ها اعلامیه‌های مطبوعاتی صادر شده و معاملات بدون بیانیه مطبوعاتی ارائه می‌کند. ما برای هر معامله با یک بیانیه مطبوعاتی (گروه درمانی) یک خرید مربوطه را بدون بیانیه مطبوعاتی (گروه کنترل) مطابقت می دهیم. فرآیند تطبیق از یک مدل لاجیت استفاده می کند و متغیر وابسته این است که آیا یک انتشار مطبوعاتی وجود دارد یا خیر، در حالی که متغیرهای مستقل متغیرهایی هستند که ما همچنین به عنوان عوامل ورودی در مدل انتخاب مرحله اول هکمن استفاده می کنیم (جدول A.1 را ببینید ) . برای متغیرهای مستقل اصلی، از احساسات خالص (تفاوت بین احساسات مثبت و منفی) کل بیانیه مطبوعاتی ( sentimt _press )، اظهارات خریدار ( sentimt _acq ) و اظهارات هدف ( sentimt _tgt ) استفاده می‌کنیم. برای متغیرهای وابسته، از deal_succ به عنوان متغیر وابسته خود استفاده می‌کنیم که در صورت تکمیل معامله قبل از پایان سال 2020، روی 1 تنظیم می‌شود . ما همچنین ویژگی های معامله، ویژگی های خریدار و ویژگی های هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . ما از یک مدل لاجیت برای رگرسیون های موفقیت معامله متغیر باینری و یک رگرسیون حداقل مربعات معمولی برای روزهای تکمیل معامله استفاده می کنیم. همه رگرسیون ها شامل اثرات ثابت سال و صنعت هستند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

جدول A.6 . نتایج رگرسیون مرحله اول هکمن

متغیر وابسته	_پرس ساختگی	ساختگی _acq	ساختگی _tgt
سلول خالی	(1)	(2)	(3)
اندازه _acq	0.002	0.023
	(0.023)	(0.016)
m/b _acq	−0.005	0.002
	(0.008)	(0.007)
اندازه _tgt	0.011		0.009-
	(0.027)		(0.020)
m/b _tgt	0.018		0.019
	(0.014)		(0.012)
کاران _acq	0.096-	0.080-
	(0.094)	(0.087)
کسب _tgt	0.081		0.115-
	(0.102)		(0.095)
معامله کردن	0.026-	0.041	0.055-
	(0.055)	(0.035)	(0.053)
pct_stk	0.071-	0.122 ^_	0.125 ^_
	(0.080)	(0.074)	(0.072)
inr	0.080-	0.069-	0.097-
	(0.067)	(0.064)	(0.062)
io _acq	0.001	0.001
	(0.001)	(0.001)
io _tgt	0.000		0.001
	(0.001)		(0.001)
تکنولوژی پیشرفته	0.161 ^_	0.197 ^⁎⁎⁎	0.130 ^_
	(0.066)	(0.061)	(0.061)
رهگیری	−2.369 ^⁎⁎⁎	−2.850 ^⁎⁎⁎	0.618 ^_
	(0.313)	(0.383)	(0.300)
جلوه های ثابت سال	آره	آره	آره
ن	2344	2502	2574
شبه ^R2	0.304	0.262	0.243
F -آزمون سازهای حذف شده	570.51	529.87	485.50
P – ارزش ابزارهای حذف شده	0000 ^⁎⁎⁎	0000 ^⁎⁎⁎	0000 ^⁎⁎⁎

این جدول نتایج رگرسیون مرحله اول هکمن (1979) را در مورد زمان انتشار بیانیه مطبوعاتی و بیانیه ها ارائه می دهد. متغیر وابسته در مدل اول به صورت 1 تعریف می شود، در صورتی که یک بیانیه مطبوعاتی برای ادغام صادر شده باشد، و 0 در غیر این صورت. در مدل دوم و سوم، متغیر وابسته یک متغیر باینری است که در صورتی که بیانیه ای از خریدار (مدل 2) یا هدف (مدل 3) منتشر شود، به عنوان 1 تعریف می شود. برآوردها بر اساس یک تخمین پروبیت است. ما از رویکرد متغیر ابزاری کیمبرو و لوئیس (2011) استفاده می‌کنیم و از شاخص‌های عضویت در صنعت و سال اعلام برای ابزار افشای بیانیه‌های مطبوعاتی توسط شرکت‌ها استفاده می‌کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

جدول A.7 . واکنش بازار سهام با استفاده از مدل دو مرحله ای خود انتخابی هکمن.

متغیر وابسته	ماشین هدف [-1،+1] FF				خریدار CAR [-1،+1] FF
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
sentimt _press	0.031 ^_				−0.000
	(0.013)				(0.004)
sentimt _acq		0.064		0.050		0.005		0.005
		(0.056)		(0.056)		(0.009)		(0.009)
sentimt _tgt			0.121 ^_	0.112 ^_			0.003	0.002
			(0.051)	(0.049)			(0.008)	(0.008)
imr	0.308-	0.298-	0.322-	0.308-	0.253- ^_	0.252- ^_	0.254- ^_	0.253- ^_
	(0.266)	(0.269)	(0.264)	(0.277)	(0.130)	(0.131)	(0.133)	(0.132)
کنترل شرکت و معامله	آره	آره	آره	آره	آره	آره	آره	آره
سال FE	آره	آره	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره	آره	آره
ن	826	826	826	826	827	827	827	827
صفت R ²	0.328	0.326	0.328	0.329	0.187	0.187	0.187	0.186
آمار سارگان هانسن	4.001	1.809	5.026	1.605	7.068	5.562	6.139	4.932
P -value	0.41	0.77	0.28	0.81	0.13	0.23	0.19	0.29

این جدول نتایج مدل دو مرحله ای خود انتخابی هکمن را به ترتیب بر بازده غیرعادی شرکت هدف و خریدار ارائه می دهد. ما مدل دو مرحله‌ای خودگزینی هکمن را با استفاده از عضویت در صنعت و شاخص‌های سال اعلام به عنوان ابزار به کار می‌بریم (به دنبال کیمبرو و لوئیس، 2011 ). در رگرسیون اول (به جدول A.6 مراجعه کنید)، ما با استفاده از یک مدل پروبیت با عضویت در صنعت و اثرات ثابت سال به عنوان ابزار، عوامل تعیین کننده منتشر شدن یا عدم انتشار یک بیانیه را بررسی می کنیم (به Kimbrough and Louis، 2011 مراجعه کنید ). متغیر imr نسبت معکوس آسیاب مرحله اول مدل خود انتخابی هکمن است. برای متغیرهای مستقل اصلی، از احساسات خالص (تفاوت بین احساسات مثبت و منفی) کل بیانیه مطبوعاتی ( sentimt _press ) اظهارات خریدار ( sentimt _acq ) و اظهارات هدف ( sentimt _tgt ) استفاده می‌کنیم. متغیر وابسته به ترتیب بازده غیرعادی تجمعی هدف و گیرنده در پنجره رویداد [-1،+1] است که توسط مدل سه عاملی Fama-French برآورد شده است. ما همچنین ویژگی های معامله، ویژگی های شرکت خریدار و ویژگی های شرکت هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . رگرسیون های ما از اثرات ثابت سال و صنعت استفاده می کنند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. آزمون هانسن-سارگان (نتایج گزارش شده در این جدول به عنوان آماره J و p -value) محدودیت‌های شناسایی بیش از حد، فرضیه صفر مشترک را ارزیابی می‌کند که ابزارها ابزارهای معتبر هستند یا با عبارت خطا همبستگی ندارند و ابزارهای حذف شده به درستی هستند. از معادله تخمینی حذف شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.

جدول A.8 . نتایج مشخصه را با استفاده از مدل دو مرحله‌ای خود انتخابی هکمن بررسی کنید.

متغیر وابسته	موفقیت در معامله (تکمیل یا پس گرفته شده)				روزهای تا اتمام معامله
سلول خالی	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
sentimt _press	-0.124				−0.034 ^⁎⁎⁎
	(0.169)				(0.012)
sentimt _acq		0.530		0.238		0.057-		0.021-
		(0.532)		(0.466)		(0.065)		(0.067)
sentimt _tgt			1.994 ^_	1.935 ^_			−0.301 ^⁎⁎⁎	−0.298 ^⁎⁎⁎
			(0.763)	(0.710)			(0.067)	(0.064)
imr	0.479	0.729	0.594	0.606	0.051-	0.052-	0.077	0.071
	(3.435)	(3.926)	(4.007)	(4.037)	(0.417)	(0.410)	(0.416)	(0.421)
کنترل شرکت و معامله	آره	آره	آره	آره	آره	آره	آره	آره
سال FE	آره	آره	آره	آره	آره	آره	آره	آره
صنعت FE	آره	آره	آره	آره	آره	آره	آره	آره
ن	833	833	833	833	721	721	721	721
شبه R ² / Adj. R ²	0.474	0.476	0.483	0.483	0.499	0.498	0.509	0.509
آمار سارگان هانسن	2.958	2.115	4.773	4.131	4.065	2.838	7.155	9.592
P-value	0.57	0.71	0.31	0.39	0.40	0.59	0.13	0.05 ^_

این جدول نتایج مدل دو مرحله‌ای خود انتخابی هکمن را در مورد موفقیت معامله و روزهای تکمیل معامله ارائه می‌کند. ما مدل دو مرحله‌ای خودگزینی هکمن را با استفاده از شاخص‌های عضویت در صنعت و سال اعلام به عنوان ابزار به کار می‌بریم (به دنبال کیمبرو و لوئیس، 2011 ). در رگرسیون اول (به جدول A.6 مراجعه کنید)، ما با استفاده از یک مدل پروبیت با عضویت در صنعت و اثرات ثابت سال به عنوان ابزار، عوامل تعیین کننده منتشر شدن یا عدم انتشار یک بیانیه را بررسی می کنیم (به Kimbrough and Louis، 2011 مراجعه کنید ). متغیر imr نسبت معکوس آسیاب مرحله اول مدل خود انتخابی هکمن است. ما همچنین ویژگی های معامله، ویژگی های شرکت خریدار و ویژگی های شرکت هدف را کنترل می کنیم. برای متغیرهای مستقل، از احساسات خالص (تفاوت بین احساسات مثبت و منفی) کل بیانیه مطبوعاتی ( sentimt _press )، اظهارات خریدار ( sentimt _acq ) و اظهارات هدف ( sentimt _tgt ) استفاده می‌کنیم. برای متغیرهای وابسته، ما از deal_succ به عنوان متغیر وابسته خود استفاده می کنیم که اگر معامله قبل از پایان سال 2020 تکمیل شده باشد (1004 مشاهده) و 0 در غیر این صورت (148 مشاهده) به عنوان 1 تعریف شده است. روز لگاریتم روزهای بین اعلام M&A و تاریخ تکمیل در صورت تکمیل معامله است. ما همچنین ویژگی های معامله، ویژگی های خریدار و ویژگی های هدف را کنترل می کنیم. تعاریف همه متغیرها در جدول A.1 ارائه شده است . ما از یک مدل لاجیت برای رگرسیون های موفقیت معامله متغیر باینری و یک رگرسیون حداقل مربعات معمولی برای روزهای تکمیل معامله استفاده می کنیم. همه رگرسیون ها شامل اثرات ثابت سال و صنعت هستند. خطاهای استاندارد در سطح صنعت دسته بندی شده و در پرانتز نشان داده شده است. آزمون هانسن-سارگان (نتایج گزارش شده در این جدول به عنوان آماره J و p -value) محدودیت‌های شناسایی بیش از حد، فرضیه صفر مشترک را ارزیابی می‌کند که ابزارها ابزارهای معتبر هستند یا با عبارت خطا همبستگی ندارند و ابزارهای حذف شده به درستی هستند. از معادله تخمینی حذف شده است. ^⁎ , ^⁎⁎ , ^⁎⁎⁎ به ترتیب در سطح 10%، 5% و 1% معنی آماری را نشان می دهند.