摘要：本文基于2007年进行股权转让的ST公司的经营绩效为视角，对上市公司资产重组绩效进行了实证研究。结果发现：股权转让类资产重组对ST上市公司的短期绩效有明显的改善作用，但其影响的可持续性较差，并不能从根本上提高企业的经营绩效的结论。
关键词：ST 公司 股权转让 绩效评价 因子分析法
资产重组是企业成长扩张主要方式和手段。目前，股权分置改革已基本完成，企业并?重组的政策环境逐步改善，资源配置功能开始发挥越来越重要的作用，这些都为我国上市公司并?重组新一轮高潮的到来作出了必要的准备。本文采用实证方法，研究我国资本市场ST类上市公司的股权转让绩效，希望由此得出股权转让对ST类上市公司的经营绩效能否产生持续性的良性影响。
一、文献综述
（一）国外文献 并?重组绩效的实证研究主要方法是事件研究法和财务分析法。（1）事件研究法。国外相当多的经济学家利用事件收益法，对并?绩效进行了实证研究。如Firth（1980）对1969年至1975年英国发生的486起收?案例进行了研究，结果表明并?公告月目标公司的超额收益率为2.896％，而并?公司的超额收益率为6.396％。Jensen、Ruback（1983），发现成功的兼并会给目标公司带来约20％的超额收益，而成功的要约收?给目标公司股东带来的收益则达到30％。Limmack（1991）研究了1977年至1986年英国的462例并?事件，结果表明在窗口期，被并?公司的超额收益率为31％，并?公司的超额收益率为0.2％。Schwert（1996）研究了1975年至1991年间1814个并?事件，发现目标公司股东的累积平均异常收益高达35％。Bruner（2002）发现，在成熟市场上的并?活动中，目标公司股东收益要远高于收?公司股东收益，超额收益达到10％―30％之间。这些研究证明了成功的并?活动会给目标公司股东带来正的累积超常收益。（2）财务分析法。国外学者使用财务分析方法对企业资产重组绩效进行了大量实证研究。Geoffrery Meeks（1977）研究了1964年到1971年英国233个合并交易的收益，结果表明交易后收?公司的总资产收益率（ROA）呈递减趋势，并在交易后第五年达到最低点。Mueller（1980）发现汇总了7个国家（比利时、德国、法国、荷兰、瑞典、英国与美国）并?绩效的研究。该研究与Meeks的研究结果相一致，Mueller研究的重要结论是，收?公司在收?后的会计业绩比非收?的对手企业差，但这些差距在统计上并不显着。Itealy、Palepu和Ruback（1992），发现行业调整后的公司资产回报率明显提高，这种提高是源于公司管理的提高。Megginson、Moregan（2000）发现，并?前后企业集中度变化的大小与长期并?绩效显着相关，在并?后3年内，集中度每减少10％，会导致股东财富减少9％，经营绩效降低l％，企业价值缩水4％，经营现金流减少1.省略info.省略）、上海证券交易所网站（https://www.省略）和深圳证券交易所网站（https://www.省略）公布的上市公司年报及财务比率并经过进一步的整理和计算得出。
（二）资产重组绩效指标体系建立 本文采用财务指标分析法，将财务指标按重组前一年、重组当年、重组后一年、重组后两年分别作因子分析并构造出一个综合得分函数，对比重组前后各年份综合得分的变化来判断上市公司重组前后经营绩效的变化，具体数据处理用SPSS13.0 软件进行。本文参照财政部颁布的中国上市公司业绩评价体系中规定的指标，并根据相关原则选取了14项指标构建了财务指标体系，如（表1）所示。
（三）研究方法和步骤 本文采用财务指标法，对2007年进行股权转让类资产重组的56家样本ST公司2006年至2009年四个年度的财务数据进行因子分析。通过SPSS软件计算出14项财务指标的相关系数矩阵，从相关系数矩阵进而计算出各因子的特征值、相应的方差贡献率以及累计方差贡献率，按照主成分的累积方差贡献率≥80%为标准，分别确定重组前一年（2006年）、重组当年（2007年）、重组后一年（2008年）和重组后两年（2009年）每一年的主成分，最后以各年的主成分得分及其方差贡献率作为权数计算各年各样本公司的综合得分。具体财务数据的预处理及财务分析模型建立的步骤如下：第一，原始数据进行标准化处理。通常一些经济指标具有不同的量纲，有些指标值数量级上差异较大，为消除由于量纲不同可能带来的不合理影响，在分析之前对数据做标准化处理。设有n个样本单位、p项指标，可得数据矩阵X=（Xij）n*p（i=1，2，….n；j=1，2，….p），Xij表示第i个样本的第j项指标值。对数据进行标准化变换：Zij=■。其中：Xij表示第i家公司的第j项指标值，Xj为第j项指标的平均值，Sj为第j项指标的标准差，Zij为标准化变量。式中：S2j=■，i=1，2，3…n；j=1，2，3…p 。第二，计算样本相关矩阵。R=（rjk）p*p，j=1，2，3…p；k=1，2，3…k。式中rjk为指标j与指标k的相关系数：rjk=■■［（Xij-■j）/Sj］［（Xik-■k）/Sk］，即rjk=■■ZijZjk，有rii=1，rjk=rkj，式中：i=1，2，3…n；j=1，2，3…p；k=1，2，3…p。第三，求相关矩阵R的特征根与特征向量并确定主成分。由特征方程式|?姿Ip-R|=0，可求得p个特征根?姿g（g=1，2，3….p），将?姿i按其大小顺序排列为?姿1?叟?姿2?叟?姿3?叟…?叟?姿p?叟0，他是主成分的方差，它的大小描述了主成分在评价中所起的作用的大小。
由特征方程式，每一个特征根对应一个特征向量：Lg=（Lg1，Lg2，…，Lgp)，g=1，2，3…p。将标准化后的指标变量转换为主成分：Fg=1g1Z1+1g2Z2+…+1gpZp。式中，g=1，2，3…p， F1称为第一主成分，F2称为第二主成分，…，FP称为第P主成分。第四，求方差贡献率与确定主成分个数。一般主成分的个数等于原始指标个数，如果原始指标个数较多，进行综合评价时就比较麻烦。主成分分析法就是选取尽量少的k个主成分（k