Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Prediction of Synergies in Mergers

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26510%2F20%3APU136465" target="_blank" >RIV/00216305:26510/20:PU136465 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.sav.sk/journals/uploads/0325114602%2020%20Reznakova%20+%20SR.pdf" target="_blank" >https://www.sav.sk/journals/uploads/0325114602%2020%20Reznakova%20+%20SR.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Prediction of Synergies in Mergers

  • Popis výsledku v původním jazyce

    In this paper we present a method of calculating the value of synergy resulting from mergers between private companies as well as a model for the prediction of potential synergy values in contemplated mergers (M&A deals). We first examined the process of determining the value of a synergy. Since we analysed mergers involving private mechanical engineering companies, we used the discounted capital cash flow method for the determination of the synergy value. We divided the selected mergers according to the achieved synergy value into two groups, i.e. into successful mergers and failed mergers. We then analysed the two groups in order to identify financial ratios with statistically significant differences (deviations). We then used those ratios to establish a rule for the differentiation between mergers that would increase in business value, i.e. with positive synergy, and those whose value would decrease. A decision rule was developed using the classification and regression trees method. In the research sample, the developed model distinguished successful merger from failed ones with 92% accuracy.

  • Název v anglickém jazyce

    Prediction of Synergies in Mergers

  • Popis výsledku anglicky

    In this paper we present a method of calculating the value of synergy resulting from mergers between private companies as well as a model for the prediction of potential synergy values in contemplated mergers (M&A deals). We first examined the process of determining the value of a synergy. Since we analysed mergers involving private mechanical engineering companies, we used the discounted capital cash flow method for the determination of the synergy value. We divided the selected mergers according to the achieved synergy value into two groups, i.e. into successful mergers and failed mergers. We then analysed the two groups in order to identify financial ratios with statistically significant differences (deviations). We then used those ratios to establish a rule for the differentiation between mergers that would increase in business value, i.e. with positive synergy, and those whose value would decrease. A decision rule was developed using the classification and regression trees method. In the research sample, the developed model distinguished successful merger from failed ones with 92% accuracy.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    50206 - Finance

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2020

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Journal of Economics

  • ISSN

    0013-3035

  • e-ISSN

  • Svazek periodika

    68

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    SK - Slovenská republika

  • Počet stran výsledku

    20

  • Strana od-do

    168-187

  • Kód UT WoS článku

    000523997400004

  • EID výsledku v databázi Scopus

    2-s2.0-85085894885