并购(Mergers & Acquisitions,M & A)活动作为经济发展的合理产物,有其自身的发生、发展规律和独特的经济功能。在战略并购规划中,收购方管理层面临的首要问题是寻找满意的目标方。并购双方的匹配性是一项并购能否获取协同效应、实现价值创造的前提和基础。识别并购双方匹配的内在驱动要素,进而对并购双方的匹配性进行衡量是系统分析并购匹配问题的需要。由此,本文的研究范畴定位于资源匹配的机理分析以及在机理分析基础上建立并购匹配衡量体系。本文以系统论、资源基础理论、知识资本理论、价值链理论、模糊数学、神经网络等作为理论基础和分析工具,坚持定性分析与定量分析相结合、规范研究与实证检验相结合的研究范式,沿着理论基础——资源匹配的机理分析——资源匹配程度的衡量——并购双方总体匹配性的评价的思路展开研究。论文的课题需求来源于国家自然科学基金资助项目“战略并购中潜在协同效应研究”(项目编号:70472003)。论文共分为七章。第一章为绪论,主要介绍了论文的研究背景和研究意义,阐释了相关概念的理论内涵,提出了论文的研究目标、研究内容与研究方法,归纳了全文的研究思路和主要观点。第二章对国内外关于企业并购匹配研究的主题文献进行了分析和总结,阐述了并购匹配研究存在的局限性及笔者的研究空间。第三章从系统论的视角,并结合资源基础理论阐释了并购匹配分析的理论基础。第四章阐释了资源匹配的内在机理。首先,提出了以资源匹配为核心的并购匹配分析框架。其次,通过建立资源识别的价值链工具对双方的资源进行识别。然后,按照资源之间的相互作用关系,针对价值链上的作业流程详细分析了资源匹配的内在机理。第五章设计了评价并购双方资源匹配程度的方法。沿着定量分析具体资源优势的基础上,定性分析并购双方同类资源的匹配性这一思路,笔者首先针对四类具体资源建立了指标体系。然后构建了评价资源优势的模糊综合评判模型,并以人力资本为例进行了应用举例,结果表明,笔者所建立的指标体系和数学模型与资源匹配评判矩阵结合是评价资源匹配程度的有效工具。第六章提出了基于BP神经网络的并购匹配性的综合评价方法。以有形资产、人力资本、组织资本和关系资本的匹配性和并购整合经验作为输入节点,以并购的成败性作为输出节点,应用Matlab神经网络工具箱创建了并购匹配性预测的BP网络,并用拟定的样本对模型进行了训练和测试。第七章是结论部分。通过总结全文,归纳了论文的创新之处,并指出了论文研究中的不足和进一步的研究方向。论文的创新点包括:(1)从哲理层次上思考战略并购双方的匹配问题,为并购匹配分析体系的构建和展开铺设了一条清晰的逻辑主线。本文基于系统论的观点分析了企业、企业并购和并购匹配之间的内在联系,认为企业是由资源和关系构成的系统,并购意味着企业原有资源的结合和新关系的诞生,并为新系统的形成提供了重要契机,而并购双方的匹配性则是由资源之间的关系驱动的。(2)提出了以价值创造为目标、以资源匹配为核心的分析并购双方匹配性的思路。本文基于资源性质的差异首先提出了企业资源的六力模型,并按照其对企业价值创造影响的不同,将其进一步分为有形资产和知识资本两大类,认为资源匹配既包括实物资产和金融资产等有形资产的匹配,又包括人力资本、组织资本、关系资本等无形资源的匹配。有形资产的匹配意味着企业规模的增加,企业有获得规模经济效应的可能。无形资产的匹配则是并购价值创造的主要源泉。企业价值最大化是并购双方匹配的财务表述。(3)探悉决定并购双方匹配性的内在原因,阐释了资源匹配的机理。本文充分运用了价值链作为并购双方资源的识别和比较工具,对驱动战略并购双方匹配性的资源要素进行剖析,我们建立了资源识别和比较的价值链模型。按照价值链的六个作业流程,以及并购企业和目标企业的资源之间可能存在的五种相互关系,即互补性、替代性、增进性、冲突性和相互独立性分析具体资源的匹配性,由此,将价值创造环节与其驱动要素紧密地联系在一起。(4)建立了系统衡量资源匹配程度的方法。本文以资源匹配机理分析为基础,遵循按照价值链的六个作业流程分析并购企业和目标企业资源之间的关系这一思路,建立了衡量并购双方匹配性的模型体系,该体系由三部分组成,①针对有形资产和知识资本的特性和内容确立评价指标体系,建立评价资源优势的模糊综合评判模型;②按照资源之间可能存在的关系,针对有形资产、人力资本、组织资本和关系资本分别建立资源匹配性评判矩阵:③结合资源优势评判以及资源匹配性评判矩阵的结果分别对四类资源的匹配程度进行衡量。(5)运用BP神经网络建立了预测并购成功性的模型体系。通过规范分析本文提出了资源的匹配性和并购整合经验是决定并购结果的影响因素这一理论假说。为了验证结果与影响因素之间的关系,我们建立了衡量并购双方总体匹配性的BP神经网络模型,将四类资源的匹配性(其衡量方法见(4))以及整合经验作为模型的输入节点,通过运用样本进行训练和测试,我们获得了稳定、收敛的网络结构,这一方面说明了模型能够用于事前预测并购的成功性,另一方面也证明了我们前面提出的资源匹配驱动价值创造这一假说的合理性。