为什么自由市场会消亡：一个进化的视角

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Why free markets die: An evolutionary perspective》
---
作者：
Eduardo Viegas, Stuart P. Cockburn, Henrik Jeldtoft Jensen, Geoffrey
  B. West
---
最新提交年份：
2014
---
英文摘要：
  Company mergers and acquisitions are often perceived to act as catalysts for corporate growth in free markets systems: it is conventional wisdom that those activities lead to better and more efficient markets. However, the broad adoption of this perception into corporate strategy is prone to result in a less diverse and more unstable environment, dominated by either very large or very small niche entities. We show here that ancestry, i.e. the cumulative history of mergers, is the key characteristic that encapsulates the diverse range of drivers behind mergers and acquisitions, across a range of industries and geographies. A long-term growth analysis reveals that entities which have been party to fewer mergers tend to grow faster than more highly acquisitive businesses.
---
中文摘要：
在自由市场体系中，企业并购往往被视为企业增长的催化剂：传统智慧认为，这些活动会带来更好、更高效的市场。然而，在企业战略中广泛采用这种观念，很容易导致一个不太多样化、更不稳定的环境，由非常大或非常小的利基实体主导。我们在这里表明，祖先，即合并的累积历史，是概括不同行业和地区合并和收购背后各种驱动因素的关键特征。一项长期增长分析显示，参与合并较少的实体往往比收购率较高的企业增长更快。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类：Quantitative Finance        数量金融学
二级分类：Risk Management        风险管理
分类描述：Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载：
--> Why_free_markets_die:_An_evolutionary_perspective.pdf (364.73 KB)

2022-5-5 11:41:03 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Quantitative Acquisitions Applications Evolutionary Conventional

为什么自由市场会消亡：一个进化的视角。Viegas、S.P.Cockburn、H.J.Jensen和G.B.WestComplexity&Networks集团和数学系，伦敦帝国理工学院，SW7 2AZ，联合金多姆圣菲研究所，1399海德公园路，圣菲，新墨西哥州87501，美国（日期：2021年11月17日）公司并购通常被认为是自由市场体系中企业成长的催化剂：传统观点认为，这些活动会带来更好、更高效的市场。然而，这种观念在企业战略中的广泛采用，很可能会导致一个不那么多样化、更不稳定的环境，由非常大或非常小的利基实体主导。我们在此表明，祖先，即合并的累积历史，是概括合并和收购背后的各种驱动因素的关键特征，涵盖了一系列行业和地区。一项长期增长分析显示，参与合并较少的实体往往比收购率较高的企业增长更快。企业和公司的并购是动态塑造商业世界生态系统的基本活动。传统的财务研究倾向于使用财务和经济数据来解释这些动态，然而，尽管有大量研究[1-3]，但这项活动的益处仍然不确定。在本文中，我们的方法结合了两个领域的影响，这两个领域最近被成功地用于分析金融系统的结构和稳定性、复杂网络的互补领域[4]和进化动力学[5]，特别是多样性减少和系统风险增加之间的关系[6]。

具体而言，我们将表型和基因型之间的重要区别转化为商业背景：前者与外部可观察的属性相关，这些属性受遗传、环境和发育因素的组合影响；后者指的是更基本的、潜在的遗传指令，这些指令控制着这些属性的设计[7]。我们认为，现有的传统财务分析之间缺乏共识的原因很简单：财务数据提供了市场状况的快照，即它是对新兴市场状态的衡量，因此与表型类似。它并不是从根本上塑造市场的动态背后的潜在驱动力。我们的发现表明，事实上，祖先——所有被收购实体合并的累计数量——是决定一家机构成为合并发起人的概率的关键数量，从这个意义上说，它类似于基因型，基因型编码了过去的进化过程。尽管在并购过程中可能会出现一系列因素——比如监管环境、企业的资产负债表规模、不同代理商之间的潜在协同效应、品牌价值等——但令人惊讶的是，正是血统抓住了这种动态的本质。此外，我们发现这在几个国家和行业的市场上相当普遍，表明了祖先发挥的基本作用，基于祖先的机制可能在资本主义系统中有广泛、普遍的应用。

为了分析观察到的祖先的重要性，我们设计了一个简单的公司并购模型，该模型确实准确地描述了来自不同市场的数据。作为并购过程基础的基于祖先的机制的一个结果是，现有实体类型中存在一种规模上的双模式，这导致了生态系统的不平衡，主要由几个非常大的“太大而不能倒”实体或非常小的利基实体组成。对大型实体持续增长的强调往往会导致中型实体的枯竭，因为后者成为制造商的目标，最终导致该行业的真空。基于祖先的机制也抑制了引入新的中等规模市场进入者，因为新实体通常要么合并到更大的现有实体中，要么留在较小的利基池中。“太大而不能倒”的实体的建立最终为自由市场体系创造了一种范式，由此国有化的前景——直接或通过补贴——成为一种潜在的可行结果。A.祖先数据分析当然，公司的资产负债表是衡量企业状况的关键指标，因此通常被认为是预测未来收购的重要工具。事实上，许多学术研究表明，规模较大的实体更有可能成为收购者[8]。鉴于资产负债表规模和血统之间存在着很强的相关性，分别类似于表型和基因型，因此当我们发现血统在预测收购中起着关键作用时，这与传统的财务理论并不矛盾。

我们甚至能够澄清血统与资产负债表之间的关系：虽然资产负债表规模确实是衡量企业状况的一个指标，但血统是推动公司间并购动态的基本属性，进而导致资产负债表规模的变化。使用来自美国银行业的数据（见方法摘要），我们展示了inFig。1在预测这些银行的合并和收购时，祖先提供了一个比规模（在本案例中通过资产负债表衡量）更好的指标。主要情节如下。1显示了1992年至2013年连续三年窗口内美国银行收购的时间平均数（即在一个时间窗口内收集数据并平均读数），比较了两种排名方法：（i）按祖先数量排名和（ii）按资产负债表规模排名。为了获得该图，所有银行在每年内都会以两种计量方法排名第一；然后计算未来3年的平均收购数量。这些收购数字按排名组汇总，因此每个排名组的数据点显示该银行组内所有合并活动的总和。相比之下，插图显示了作为时间函数的采集总数。具体来说，这里的数据显示了在数据点所在的x轴上引用的年份起的3年内，前100家银行发生的合并。排名组010020300400500no。收购（1992-2013）19901995200020052010年01002000300400500600700次收购（滚动三年总和）1-10 11-20 21-30 31-40 41-50 51-60 61-70 71-80 81-9091-100图。1.预测合并活动的排名方法比较（美国银行）：祖先与资产负债表。

实体根据血统（红色）或资产负债表规模（蓝色）进行排名；条形图显示了银行集团（横轴）银行间合并的时间平均数（纵轴）；从1992年到2013年的每一年开始，每个排名组的收购数量平均为三年。与按资产负债表规模排序相比，按血统排序会导致按排名组排序的单调减少，合并的数量也会更多。插图：根据祖先（红色）和资产负债表（蓝色）排名的前100家银行横轴上显示的3年窗口期内的合并数量。与资产负债表规模排名靠前的集团相比，祖先排名靠前的集团始终经历了更多的合并。从图1中，我们可以看到，与资产负债表排名相比，祖先排名的数据显示出了一种更为一致的行为，显示出几乎完全单调的衰退，随着排名的增加；i、 e.按照祖先数量，这些银行在更多合并中排名更高，这是一种有效的排名方法。相反，资产负债表排名显示出不太规律的行为，而且，如主图所示，以及插图所示，在所有时间内，在各银行排名组中捕获的合并人要少得多。

这导致了以下结论：首先，拥有多个祖先的实体通常更有可能参与合并活动；第二，按祖先排序比按资产负债表规模排序更准确地排列银行合并的可能性。鉴于血统对美国银行业并购活动的重要性，我们还将研究范围扩大到不同的地理位置、时间段和行业。具体地说，我们继续探索企业祖先的结构，另外考虑：在不同时期的美国国家级银行、日本银行、英国建筑协会和英国铁路公司。每种情况的主要焦点都是企业按祖辈规模的分布；i、 e，企业的分布按其祖先数量排序，如图2所示。所有观测到的分布之间有着惊人的相似性：它们都表现出非常相似的幂律行为。1 10 100 1000 10000个历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史悠久的历史。2.祖先数据的结构。显示多个行业和国家的祖先编号分布的对数图。插图：美国银行业祖先数据的Zipf图；虚线的坡度为-2.B.祖先数据和基于代理的模型之间的比较我们为发生合并的市场开发了一个简单的基于代理的模型，并将其最初与美国银行业数据集进行比较（有关数据和模型的详细信息，请参见方法摘要）。我们的模型基于普赖斯的累积优势理论[9]，即10100100010000个祖先的数量10100100010000个实体的银行模型有祖先模型没有祖先模型。3.祖先权重对动力学的重要性。

比较显示了美国银行业祖先数据和模型模拟（蓝色）和（红色）祖先加权更大概率之间的差异。显然，前者导致了与美国数据更接近的一致。文献计量过程和西蒙的随机过程公式[10]。模型的独家代理表示为一个向量，B=[B，B1，…]，它们经历了一系列的动力学循环。关键的是，每个代理的合并概率由它们的祖先数An加权，如下所示：pmerger=p（1+An）3/2，（1）这种特定的函数形式可以被认为是图2的Zipf图[11]的结果。需要强调的第一个关键点是公司合并和收购过程的非平稳、不断变化的性质，这在图3中得到了明确的证明；在这里，我们将完整模型（红线）的单一实现结果与美国全国的实际累积脑科学数据（黑圈）进行比较，并将其与“随机游走”模型（蓝线）的结果进行对比，后者中所有代理具有相等且与时间无关的合并概率（这对应于在等式1中设置An=0）。“随机游走”模型导致与美国数据的明显偏差，以及祖先分布的幂律结构的损失，而合并概率（取决于过去历史和祖先规模）在整个范围内产生了极好的一致性。我们得出结论，祖先的大小可以被视为编码一家公司发起合并的热情，即祖先记录编码一种表型特征。为了进一步测试模型，图。

4显示了与其他几组数据的详细比较：美国（国家和州的具体数据；1970-2013年）和日本（1872-2013年）银行部门，以及英国建筑协会（1936-2012年）和铁路公司（1700年代末-1923年）。鉴于这些数据集涵盖的市场、行业和时间线非常不同，模型和结果之间的一致性表明，这些差异在长期演化过程中对并购过程几乎没有影响，重要的是，基于祖先的模型捕捉到了这些系统的基本和基本动态。值得注意的是，10 100 10000110100100000010000Count of Entities Model美国银行110 100 100001101001000Model（高/低范围）日本银行110 100 10000110100Texas银行110 100 1000个实体计数10100Count of Entities Model（高/低范围）英国建筑协会110 100 1000个ANCESTORS10100Model（高/低范围）英国铁路FIG中存在的监管框架。4.模型与真实世界的数据。合并数据显示了美国银行（1970-2013）、日本银行（1872-2013）、英国建筑协会（1936-2012）和英国铁路公司（1700s1923年末）的合并数据。在每种情况下，模型预测都由灰色阴影区域显示，该区域表示1000次模拟的预测范围。插图显示了德克萨斯州银行的美国数据子集。美国在本质上是分散的，因为不同的银行需要遵守可以是联邦银行法规和/或州特定法律的法规。因此，我们可以认为州和联邦之间的相似性表明了对祖先机制的某种稳健性。

事实上，独特的立法，以及收购的时间段，似乎对长期的进化过程没有任何影响。将分析局限于美国各州，我们还发现模型和数据集之间存在有利的一致性。这表明，系统的BSET（例如，美国的个别州）和整个系统（所有美国银行）之间存在一种自相似性；图4（左上插图）显示了最大银行州德克萨斯州的一个例子。与州分析特别相关的是1994年生效的《Riegle-Neal州际银行和分支机构效率法案》；此前，1982年的《嘉恩-圣日耳曼存款机构法》只允许破产银行进行州际并购[12]。因此，令人着迷的是，图4所示的州际和州内合并数据都表现出非常相似的行为。C.通过并购实现增长鉴于并购动态可以简单地用祖先来描述，财务数据特征可以作为这些过程的结果，而不是作为推动收购的投入。于是出现了一个问题，即这些流程对个体企业的财务效益如何。为了分析这一点，图5显示了对业务增长的分析，作为收购数量的函数。从这张图中可以明显看出，对于经历过多次合并的实体来说，平均而言，增长水平并没有提高，相反，它们仍然是GDP的追踪者。这表明，平均而言，最大的企业并未从收购中获益，但个别案例可能会带来显著的增长。D