Skip to navigation – Site map

HomeNuméros23-2« La prédiction des entreprises e...

« La prédiction des entreprises européennes cibles de prise de contrôle »

« Predicting European takeover targets »
Hicham Meghouar

Abstracts

This article aims to tackle prediction models of takeover targets. First, it analyzes accounting and financial characteristics of targets to build a successful prediction model afterward. In a parallel with the period study, which covers two waves of Mergers and Acquisitions (1996-2007), we test the predictive contribution of two new financial variables on a wide sample made up of 250 European companies. According to the results of univariate and multivariate analyses, potential takeover target companies are characterized by an imbalance in terms of distortion growth-resources, are less rich in FCF, arrange growth opportunities, realize an economic performance lower than that of their peers, and destroy value. Finally, several prediction models were developed using financial data of targets in 1 year, in 2 years, in 3 years before the acquisition, and on the average of 3 years. The correct classification rate of target firms in the original sample reaches 69,6 %. As for prediction accuracy, the correct classification rate reaches 79% in a sample test.

Top of page

Full text

L'auteur remercie les rapporteurs pour leurs remarques.

Introduction 

1Le marché européen de la prise de contrôle a pris son envol ces dernières décennies, d’abord principalement au Royaume-Uni et ensuite sur tout le reste du continent. La croissance des fusions et acquisitions (F&A) dans les années 1990 s’explique en grande partie par l’importance de transactions intra-européennes qui peut être attribuée aux défis imposés par le développement du marché européen et l’introduction de l’euro vers la fin des années 1990 (Martynova et Renneboog, 2006). En effet, l’introduction de la monnaie européenne a mis une pression supplémentaire sur les entreprises du fait qu’elle a éliminé le risque de change dans la zone euro et a réduit le biais domestique des investisseurs. De plus, l’activité de prise de contrôle a été alimentée par la création d’un marché des capitaux européens liquides qui fournit aux entreprises de nouvelles sources de financement. En conséquence de tels changements économiques et structurels sur le continent, le marché de la prise de contrôle en Europe a atteint un niveau maximal de 1,2 trillion US$ en 1999, un contraste marqué avec le sommet de la quatrième vague de F&A qui s’est élevée à seulement 0,15 trillion US$ (Martynova et Renneboog, 2006). Il y a lieu, aussi, de noter que la cinquième et la sixième vague de F&A étaient largement animées par le marché européen.

2Le terme de « prise de contrôle », dont la première modalité est celle des F&A, implique le transfert du contrôle d’une entreprise d’un groupe d’actionnaires à un autre. Plusieurs facteurs expliquent la survenance d’une prise de contrôle : les synergies économiques, fiscales ou financières (Damodaran, 2005) ; la sous-évaluation de la firme cible (Marris, 1964) ; l’incapacité des dirigeants à créer de la valeur pour leurs actionnaires (Manne, 1965, Jensen, 1988). Concernant l’efficacité de ces opérations, les travaux empiriques rapportent que les firmes cibles atteignent des rentabilités anormales significativement positives (Andrade et al. 2001), ce qui profite aux gestionnaires de portefeuilles. Par conséquent, les études qui ont analysé le profil des firmes cibles ont tenté d’établir des modèles prédictifs de prise de contrôle dans l’objectif de réaliser des taux de rendement supérieurs au moment de l’annonce d’une OPA/E. Ces modèles permettent également aux entreprises d’évaluer leur probabilité d’acquisition afin de prévoir des mesures anti-OPA ou de détecter des firmes cibles aux opportunités économiques et financières importantes pour engager des opérations de croissance externe. Dans ce sens, nous étudions une question de recherche centrale en la matière : quelles sont les variables discriminantes entre les firmes cibles et les non-cibles de prise de contrôle dans le contexte européen ? Permettent-elles de construire un modèle prédictif performant ?

3Notre article enrichit la littérature existante. D’abord, il se singularise par sa focalisation sur le marché européen, un marché encore vierge et pour lequel une seule étude a été recensée, en l’occurrence celle de Brar, Giamourdis et Liodakis (2009). Ensuite, et à côté des variables financières habituellement utilisées dans les travaux précédents pour caractériser le profil des firmes cibles, notre recherche propose de tester deux nouvelles variables financières capables de discriminer les firmes cibles des non-cibles. Enfin, contrairement aux dernières études réalisées sur le marché européen (Brar, Giamourdis et Liodakis, 2009) ou français (Allani, 2005 ; Nguyen, 2005), qui incluent des entreprises acquises jusqu’à l’année 2004, notre période d’étude (1996-2007) couvre la vague des années 90 et la récente vague dans sa globalité qui a été interrompue par la crise des subprimes à l’été 2007. En outre, la sélection d’un échantillon d’entreprises relatif à des opérations plus récentes permet de considérer les évolutions propres à la gouvernance et à la nouvelle règlementation des OPA/E en Europe.

4Les analyses empiriques univariées et multivariées appliquées sur un large échantillon de 250 entreprises européennes font apparaître que les firmes cibles se caractérisent par une distorsion croissance-ressources, sont moins riches en free cash-flow, disposent d’opportunités de croissance, réalisent une performance économique inférieure à celle des firmes comparables et détruisent même de la valeur. Par la suite, nous avons procédé à l’élaboration d’un modèle prédictif de la prise de contrôle. Les tests de validité interne et externe des différents modèles élaborés (utilisant les données financières à 1 an (T1), à 2 ans (T2) et à 3 ans (T3) avant l’acquisition) ont montré que les modèles utilisant les données financières à 1 an et à 2 ans avant l’acquisition (T1, T2) présentent un pourcentage de classement correct des firmes cibles plus important que les modèles fondés sur l’utilisation de la moyenne de ces variables sur plusieurs années. Par rapport à la capacité prédictive de ces modèles, un taux de prévision correct moyen de l’ordre de 67,4 % dans l’échantillon d’origine et de 74,3 % dans l’échantillon témoin a été constaté.

5Le reste de cet article est organisé comme suit. La première section établit une recension internationale concernant la prévision des prises de contrôle d’entreprises. Une deuxième section décrit le cadre empirique de l’étude. La troisième section présente les résultats des analyses empiriques avec les caractéristiques des modèles élaborés en termes de classification correcte et de pouvoir prédictif. Et enfin, la conclusion.

1. La détection des entreprises cibles : une recension internationale

6La prévision des entreprises cibles de prise de contrôle a fait l’objet de plusieurs investigations. Aux États-Unis, on peut citer les travaux de Simkowitz et Monroe (1971), Stevens (1973), Dietrich et Sorensen (1984), Palepu (1986), Walter (1994), Cudd et Duggal (2000), Espahbodi et Espahbodi (2003), Cremers et al. (2009). Au Royaume-Uni, on note les études de Barnes (1990 ; 1999 ; 2000), Powell (1997 ; 2001 ; 2004), Powell et Yawson (2007), Ouzounis et al. (2008). En Australie, il y a les études de Castagna et Matolcsy (1976), Chapman et Judor (1987), Eddey (1991) et Arnull-Almond (2008). Et enfin, au Canada, celles de Belkaoui (1978), Rege (1984), Kira et Morin (1993) et Vachon (1995). Les résultats de ces travaux ne convergent pas. D’après certaines études, les ratios liquidité et rentabilité ne permettent pas de distinguer les firmes cibles des non-cibles. D’autres études affirment que les caractéristiques non financières apparaissent très importantes pour distinguer entre les deux catégories d’entreprises, telles que les particularités de la gouvernance d’une entreprise. Pour d’autres auteurs, les variables financières permettent de prévoir les firmes cibles potentielles d’OPA/E. Utilisant la méthode d’analyse discriminante multiple, la partition récursive, la régression Probit ou Logit (binomiale ou multinomiale) ou les réseaux de neurones artificiels, les taux de prévision des modèles développés sur ces marchés varient entre 63 % et 91 % dans un échantillon témoin.

7D’autres travaux empiriques ont été consacrés à certains pays de l’Europe. En France, on note les études de Dumontier, Brunet et Souton (1989), Grand (1991), Le Corveller (1992), Caby (1994), Belze (2004), Nguyen (2005), Allani (2005), Boubaker et Hamza (2014), Meghouar (2016). En Grèce, on trouve les travaux de Zanakis et Zopounidis (1997) et de Tsagkanos et al. (2006). En Espagne, il y a l’étude d’Alcalde & Espitia (2003) et en Belgique, celle de Mpasinas et Colot (2005). Certains auteurs ont traité un cas spécifique de la prise de contrôle en Europe : il s’agit de l’acquisition d’une entreprise cotée par une société non cotée, suivie du retrait de la cote (Belkhir et al. 2013 ; Boubaker et al. 2014). D’après les résultats des analyses discriminantes, classifications hiérarchiques, régressions Logit et Probit, appliquées dans ces études, il s’est avéré que certaines variables financières ne sont pas toujours discriminantes (la variable rentabilité, liquidité et le ratio MTB). Les modèles élaborés par Dumontier et al. (1989) affichent un pouvoir explicatif supérieur de l’ordre de 82 % pour classer les deux types d’entreprises initiatrices et acquises. Le modèle initié par Le Corveller (1992) atteint un taux de 75 % pour classer les firmes cibles (et 66,67 % dans un échantillon témoin). Selon Boubaker et Hamza (2014), la capacité prédictive globale des modèles Logit varie entre 78 % et 80 %. En Grèce, le modèle développé par Tsagkanos et al. (2006) présente une capacité prédictive de 47,62 %. L’étude de Brar et al. (2009), qui regroupe plusieurs pays européens, a déduit que les firmes européennes cibles de prise de contrôle sont caractérisées par une faible taille, sont sous-évaluées, ont de faibles liquidités et réalisent une faible croissance du chiffre d’affaires. La capacité prédictive de leur modèle dans un échantillon témoin est de 45 %.

8Les conclusions de ces études sont parfois mitigées. Pour certains auteurs, les seules variables financières ne peuvent discriminer efficacement les différents groupes d’entreprises. Pour d’autres, les résultats sont plus probants. L’étude de Brar et al. (2009) est la seule étude recensée qui s’intéresse au marché européen. En revanche, une seule étude ne permet pas de cadrer les caractéristiques financières des firmes cibles en Europe, ce qui renforce d’autant l’intérêt d’orienter notre recherche vers cette voie afin d’enrichir la littérature en la matière par une investigation supplémentaire, originale par sa période d’analyse plus étendue (1996-2007) et le test d’autres variables prédictives mesurant la création de valeur par l’entreprise cible et sa richesse en opportunités de croissance.

2. Le protocole empirique : hypothèses, échantillons d’entreprises et méthodologie

2.1. Les théories de prises de contrôle et les hypothèses de l’étude

9Les hypothèses à tester sont formulées en se fondant sur les théories liées aux motivations des prises de contrôle (théorie de l’efficience, théorie de l’agence, théorie de l’information, etc.). Les variables financières choisies pour mesurer ces hypothèses doivent permettre de discriminer efficacement les cibles des non-cibles. Elles sont présentées sous forme de ratios ou sous forme d’une variable muette qui prend la valeur 1 lorsque l’entreprise présente une caractéristique et 0 sinon.

10L’hypothèse de la taille de l’entreprise : La théorie financière suggère que la taille de l’entreprise est une variable explicative des prises de contrôle (Palepu, 1986 ; Walter, 1994) et que les entreprises ayant une taille plus petite que celle des entreprises comparables ont une probabilité plus élevée de faire l’objet d’une prise de contrôle. L’acquisition d’une entreprise implique des coûts et l’on peut distinguer plusieurs coûts relatifs à la taille de l’entreprise : les coûts liés à la surenchère dans le cas de la présence d’un acquéreur concurrent, des coûts liés à l’intégration de la firme acquise dans l’organisation du groupe. L’hypothèse de la taille est basée sur le fait que ces coûts augmentent avec la taille de la firme cible et que les entreprises ont tendance à acquérir des firmes de taille plus petite, car dans ce cas les coûts liés à cette acquisition seront moins élevés. Nous avons retenu le Log de l’actif total et le Log du chiffre d’affaires pour tester cette hypothèse.

  • 1 Net Operating Profit After Tax ou résultat net d’exploitation.

11L’hypothèse de la qualité du management : L’hypothèse liée à la performance suggère que les entreprises dont le management n’est pas efficace enregistrent une faible rentabilité par rapport au secteur d’activité et deviennent des cibles de prise de contrôle. Brealey et Myers (2010) soutiennent que les OPA/E sont un instrument pratique pour améliorer la performance d’une entreprise. Les entreprises dont les dirigeants peinent à maximiser la richesse de leurs actionnaires ont plus de chances de faire l’objet d’une prise de contrôle (Manne, 1965 ; Palepu, 1986). Le signe de la relation entre la rentabilité d’une entreprise et sa probabilité d’acquisition serait donc négatif. Ainsi, la valeur ajoutée économique (EVA) permet de savoir si l’entreprise augmente sa valeur économique ou la diminue. Une valeur ajoutée inférieure à celle du secteur signifie que l’entreprise ne crée pas davantage de valeur pour ses actionnaires que ses concurrentes, une valeur faible ou négative implique que la firme est opéable. L’EVA représente la différence entre le bénéfice d’exploitation net d’impôt ajusté et la rémunération des capitaux investis (NOPAT1 – (capitaux investis x coût du capital)). Le coût moyen pondéré du capital est égal à la moyenne pondérée des coûts de l’ensemble des sources de financement : capitaux propres et dettes financières (Makelainen, 1998). Le coût des fonds propres est mesuré par le modèle d’équilibre des actifs financiers (Lordon, 2000 et Matoussi, 2000), quant au coût de la dette, il correspond au taux de rendement exigé par les créanciers, qu’il importe de considérer net d’impôt du fait de la déductibilité des charges financières.

12L’hypothèse de la distorsion croissance-ressources : En effet, les firmes qui disposent de ressources financières importantes et manquent d’opportunités d’investissement constituent des cibles attractives pour des acquéreurs potentiels afin d’exploiter cet excès de ressources. Ce constat renvoie au conflit d’intérêts entre actionnaires et managers. En outre, la littérature financière relative aux décisions d’investissement et de financement sous l’hypothèse d’asymétrie d’information (Myers et Majluf, 1984) suggère que les firmes avec un déséquilibre dans le sens inverse, c’est-à-dire aux opportunités d’investissement importantes et aux ressources financières limitées, ont aussi une probabilité élevée de faire l’objet d’une acquisition. Cette hypothèse a été testée dans les travaux précédents à l’aide d’une variable muette, proposée initialement par Palepu (1986) et largement utilisée par les auteurs, qui prend la valeur 1 pour une combinaison d’un fort endettement, d’une faible liquidité et d’une forte croissance ou bien d’un faible endettement, d’une forte liquidité et d’une faible croissance, et la valeur 0 pour les autres combinaisons.

13L’hypothèse de la sous-évaluation de la firme cible : Marris (1964) note que la motivation principale des F&A d’entreprises est la recherche des actifs sous-évalués par le marché. Pour une entreprise qui souhaite pénétrer un nouveau marché, l’acquisition d’une entreprise sous-évaluée peut paraitre comme une alternative intéressante d’un point de vue financier (Hasbrouck, 1985). D’un autre côté, l’acquéreur potentiel pourrait simplement exploiter un dysfonctionnement sur ce marché pour revendre ces actifs, qu’il a acquis à bon marché, à un prix plus élevé. Les conclusions empiriques autour de l’hypothèse de Marris ne coïncident pas. Certaines études confirment cette hypothèse (Bartley et Boardman, 1986). D’autres travaux ont montré que le ratio d’évaluation n’a pas d’impact significatif sur la probabilité qu’une firme cible fasse l’objet d’une acquisition. Cette hypothèse est appréciée par deux ratios : le ratio de Marris (Capitalisation boursière/Valeur comptable des fonds propres) et le ratio PER.

14L’hypothèse de la distribution des dividendes : Cette hypothèse avance une relation inverse entre la distribution des dividendes et la probabilité d’acquisition d’une entreprise (Dumontier et al. 1989 ; Walter, 1994). En effet, un acquéreur potentiel serait intéressé par une firme qui distribue moins de dividendes, car une importante distribution de dividendes reflète un manque en termes d’opportunités d’investissement, ce qui implique des niveaux faibles de flux futurs (Dietrich et Sorensen, 1984). L’entreprise est jugée dans ce cas-là préférer ses actionnaires au détriment de ses projets futurs. Cela peut conduire à une augmentation du risque de prise de contrôle. Par conséquent, il est supposé qu’une firme qui distribue des niveaux faibles de dividendes a plus de chance de faire l’objet d’une acquisition. Pour tester cette hypothèse, le ratio Pay-out : Dividendes/Bénéfice net a été retenu.

15L’hypothèse de l’exploitation du free cash-flow : La théorie du free cash-flow de Jensen (1986) indique aussi que les firmes avec des ressources en excès par rapport à celles nécessaires pour financer des projets à VAN positive ont une probabilité plus élevée de faire l’objet d’une acquisition. Cette hypothèse a été confirmée par plusieurs auteurs (Palepu, 1986 ; Lehn et Poulsen, 1989). En effet, la redistribution de free cash-flow aux actionnaires réduit les fonds contrôlés par les dirigeants et par conséquent diminue leur pouvoir en les soumettant à la surveillance du marché des capitaux. Pour ne pas les distribuer, les dirigeants vont entreprendre des projets qui correspondent à leurs intérêts au détriment de celui des actionnaires, des projets qui ne créent pas forcément de la valeur (Berle et Means, 1932). Dans ce sens, le marché de la prise de contrôle d’entreprises représente un instrument disciplinaire des dirigeants afin de résoudre les conflits relatifs à cette asymétrie informationnelle. Pour le test de cette hypothèse, nous avons retenu le ratio Free cash-flow/Actif total.

16L’hypothèse des options de croissance : La prise de contrôle d’une entreprise peut être motivée par les options de croissance dont dispose cette dernière (des projets complémentaires qui peuvent être mis en œuvre, la flexibilité managériale, c’est-à-dire la capacité des dirigeants à adapter des projets en fonction des aléas de la conjoncture). Hayes et Abernathy (1980), Hayes et Garvin (1982) soulignent que l’actualisation des flux de trésorerie futurs a souvent conduit à sous-évaluer des opportunités d’investissement, à sous-investir et éventuellement à perdre un avantage concurrentiel. En effet, dans la mesure où une entreprise n’identifie pas, n’exploite pas ou sous-estime ses options de croissance, elle peut constituer une cible privilégiée d’un acquéreur potentiel capable d’apprécier ses opportunités de croissance à leur juste valeur et les traduire, le cas échéant, en projets rentables. Kester (1984) considère que l’opportunité d’investir dans des actifs productifs est similaire à une option d’achat sur des actifs réels. Cette hypothèse suppose alors une relation positive entre la richesse d’une entreprise en options de croissance et sa probabilité d’acquisition. Pour mesurer la richesse en options de croissance, nous avons retenu le ratio Dépenses en R&D/Valeur comptable des actifs (Gaver et Gaver, 1993 ; Nash et al, 2003). Le choix de cette mesure est conforté par l’étude de Lehto et Lehtoranta (2004) qui s’est intéressée aux F&A en Finlande en examinant particulièrement le rôle joué par la R&D. Les résultats de cette étude suggèrent que les dépenses en R&D augmentent la probabilité qu’une firme soit acquise, quel que soit son secteur.

17L’hypothèse de la structure d’actionnariat : Le degré de concentration de la structure d’actionnariat peut influencer la prise de contrôle d’une entreprise. Grossman et Hart (1980) soulignent que les firmes dont l’actionnariat est très dispersé se trouvent confrontées au problème du « passager clandestin ». En effet, un actionnaire détenant une part de capital limitée considère que sa décision de céder ou non ses actions est sans impact sur le résultat final de la transaction. Le problème du « passager clandestin » est atténué lorsque la structure d’actionnariat est plus concentrée. Conscients de l’influence de leur décision, les actionnaires seront disposés à céder leurs parts à un prix moins élevé. Par ailleurs, lorsque la structure d’actionnariat est concentrée, un acquéreur potentiel peut négocier individuellement avec les plus importants actionnaires, ce qui facilite la réussite de la prise de contrôle (Shivdasani, 1993). Pour évaluer le degré de concentration de l’actionnariat, la variable Somme des parts détenues directement et supérieures à 5 % du capital a été retenue.

18L’hypothèse du choc sectoriel : Selon cette hypothèse, les entreprises affectées par un choc sectoriel ont plus de chance de faire l’objet d’une acquisition. En effet, les F&A ont un comportement cyclique et se déroulent par des vagues qui affectent en priorité certains secteurs d’activité. Cette hypothèse relative aux troubles sectoriels a été proposée par Gort (1969) et confortée par Mitchell et Mulherin (1996) et Andrade et al, (2001), qui ont confirmé ces résultats en affirmant que les F&A constituent un instrument économique permettant de répondre à ces chocs. D’après ces auteurs, un choc sectoriel d’ordre technologique, structurel ou environnemental dans le secteur d’activité d’une firme est supposé avoir une influence positive sur sa probabilité de faire l’objet d’une prise de contrôle. Cette hypothèse est mesurée par une variable muette qui prend la valeur 1 lorsque l’offre a lieu dans un secteur qui a connu une acquisition pendant les 12 derniers mois et la valeur 0 sinon.

19L’hypothèse de l’internationalisation des activités : L’internationalisation des entreprises comporte plusieurs aspects. C’est un processus dynamique qui a pour objectif l’introduction de l’entreprise sur des marchés étrangers, le plus souvent différents culturellement, économiquement et juridiquement du marché national de l’entreprise. Huart (2000) rapporte que les F&A transfrontalières permettent de pénétrer rapidement les marchés étrangers et d’y acquérir un pouvoir. Selon Coutinet et Sagot-Duvauroux (2003), une acquisition transfrontalière trouve son origine dans d’autres motivations, outre l’augmentation du volume de production : la réduction des coûts des facteurs de production (les F&A transfrontalières permettent de diminuer les coûts de production en profitant des différentiels de coût des facteurs de production selon les pays), la réduction des risques liés à la pénétration des marchés étrangers (la délocalisation d’activités de production, par l’intermédiaire des F&A, est moins coûteuse et moins risquée que l’implantation d’une filiale de production à l’étranger). Une entreprise appartenant à un secteur d’activité dans lequel des entreprises comparables ont été acquises par un acquéreur étranger a plus de chances de faire l’objet d’une acquisition.

20Le tableau 1, présenté en annexe, résume les hypothèses de notre recherche, leurs variables de mesure et le signe de l’influence variable-probabilité d’acquisition attendu.

21Il convient aussi de souligner que les modèles de régression utilisés dans les récentes études sont des régressions Logit (Hammouda et Hamza, 2010 ; Meghouar, 2016). En effet, la régression logistique est l’un des modèles d’analyse multivariée. Cette technique de classement et de prédiction est efficace pour détecter des groupes à risque ou pour expliquer par exemple des intentions de vote. Elle permet de mesurer l’association entre la survenue d’un évènement (variable expliquée qualitative) et les facteurs susceptibles de l’influencer (variables explicatives quantitatives et/ou qualitatives). Le choix des variables explicatives intégrées au modèle de régression logistique est basé sur une connaissance préalable du phénomène étudié, en l’occurrence la prise de contrôle d’entreprises, et sur l’association statistique entre la variable et l’évènement, mesurée par l’odds ratio. Une propriété essentielle de la régression logistique est qu’elle n’exige pas que les prédicteurs (variables indépendantes) suivent une loi normale ou soient distribués de façon linéaire, ou encore qu’ils possèdent une variance égale entre chaque groupe.

22Ainsi, le modèle de régression économétrique est de cette forme :

Zi = ln [Pi / (1 – Pi)] = β0 Taille + β1 Performance + β2 Déséquilibre + β3 Évaluation +β4 Dividende + β5 Free cash-flow + β6 Opportunités de croissance + β7 Troubles sectoriels + β8 Structure d’actionnariat + β9 Internationalisation.

Et Pi = F(Zi) = 1 / (1 + e-Zi)

Avec : P (i) est la probabilité qu’une entreprise i soit la cible d’une prise de contrôle.

Z est le vecteur des paramètres inconnus associé au vecteur x.

x (i) est le vecteur des attributs mesurés pour l’entreprise i.

2.2. La composition des échantillons et le choix méthodologique

  • 2 Les entreprises cibles sont issues de la France, l’Allemagne, l’Italie, l’Espagne, la Suède, les Pa (...)

23L’échantillon des entreprises provient de la base Thomson One Banker-Deals. Il comprend les sociétés européennes acquises durant la période d’étude et provenant de 20 pays d’Europe centrale et d’Europe de l’Ouest2. Nous avons sélectionné les opérations intra-européennes à caractère hostile ou amical de tout secteur sauf le secteur financier du fait de sa règlementation comptable particulière. Afin de contourner le biais introduit par la différence de taille entre les entreprises cibles et de tenir compte du fait que les PME se comportent différemment des grandes entreprises, nous avons sélectionné les entreprises cibles dont la capitalisation boursière excède les cent millions de dollars (Brar et al. 2006 ; Goergen et Renneboog, 2004). Les tests empiriques nécessitent des données supplémentaires. Il s’agit de coupler l’entreprise cible avec une autre entreprise (entreprise de contrôle ou entreprise de référence) ayant une taille proche, du même secteur d’activité et qui n’a pas fait l’objet d’acquisition durant la période d’étude : c’est la technique de pairage (Barber et Lyon, 1996). Cette procédure est utilisée afin de mettre en évidence les différences des entreprises cibles par rapport à des entreprises comparables n’ayant pas participé à des prises de contrôle. Ainsi, l’échantillon final est composé de 250 entreprises (125 firmes cibles et 125 firmes de contrôle) sur la période totale 1996-2007. Une durée de 12 ans a été retenue afin d’assurer la représentativité de l’échantillon. L’échantillon global est divisé en deux sous-échantillons qui correspondent à deux sous-périodes (P1 et P2), chacune couvrant une vague de F&A. La période 1996-2000 (P1) regroupe 92 entreprises (46 firmes cibles et 46 de contrôle) et la période 2001-2007 (P2) regroupe 158 entreprises (79 firmes cibles et 79 de contrôle). Les données des entreprises cibles et des entreprises de contrôle ont été mesurées annuellement de 3 ans à 1 an avant l’acquisition (de T3 à T1). Le choix d’une période de temps étendue, trois ans précédant l’évènement, permet la mise en évidence d’évolutions à court et moyen terme.

24Concernant l’analyse des données, on procède dans un premier temps à une analyse univariée pour comparer les entreprises cibles avec leurs entreprises de contrôle. L’hypothèse à tester, et que l’on cherche à rejeter, est l’absence de différences entre ces deux groupes d’entreprises. Ensuite, une analyse multivariée permet de déterminer la nature des liens reliant les variables exogènes à des variables dépendantes précisant si l’entreprise impliquée est cible ou non.

3. Les résultats des analyses univariées et multivariées

25Des statistiques descriptives ont été conduites pour vérifier l’hypothèse de normalité des distributions des variables. Il s’est avéré que, quels que soient les échantillons, les variables ne remplissaient pas cette condition. Des analyses univariées et multivariées ont été effectuées en utilisant le test non paramétrique de Wilcoxon-Mann-Whitney et la régression logistique binaire. Par la suite, la capacité prédictive des modèles élaborés est vérifiée.

3.1. Résultats des analyses univariées 

26D’après les résultats des analyses univariées (voir tableaux 2 et 3 ci-après), les firmes cibles manifestent un déséquilibre croissance-ressources (en P1 (1996-2000) et en P2 (2001-2007)), sont sous-évaluées et sous-endettées (en P1) et affichent de faibles niveaux de liquidité (en P2) et de free cash-flow (en P1 et en P2). En revanche, ces firmes cibles disposent d’une valeur plus élevée des options de croissance que les firmes de référence (en P1 et en P2) et se caractérisent en P1 par un taux de croissance (mesuré par le ratio CRO) supérieur en T3 et T2 (à 3 ans et à 2 ans avant l’acquisition) et significativement inférieur en T1 (à 1 an avant l’acquisition). Concernant la performance économique, elle est supérieure à celle des firmes de référence, comme le montre le ratio RECO (positif et significatif en T1). Par ailleurs, les entreprises cibles ne créent pas assez de valeur (en P1) pour leurs actionnaires par comparaison aux firmes de référence, leur EVA demeurant toujours inférieure à celle des entreprises de contrôle pendant cette première sous-période P1 ; au niveau de la sous-période P2, elles détruisent de la valeur. Pour le reste des variables, il n’existe pas de différences statistiquement significatives entre les firmes cibles et celles de contrôle. Selon les premières analyses, les firmes cibles sont acquises pour une motivation de complémentarité croissance-ressources (Powell, 1997), dans une optique de spéculation (Marris, 1964), dans l’objectif d’exploiter leur capacité d’endettement non optimisée (Myers et Majluf, 1984) ou pour une motivation disciplinaire dans la mesure où elles ne sont pas performantes (Barnes, 2000 ; Brealey et Myers, 2010).

Tableau 2 : Résultats de l’analyse univariée de la sous-période P1 (1996 -2000)

Tableau 2 : Résultats de l’analyse univariée de la sous-période P1 (1996 -2000)

*(**) (***) : Significatif au seuil de 10%; 5% et 1% respectivement

P1 : la sous-période (1996-2000)

T1 : le test des données financières à 1 an avant l’acquisition

T2 : le test des données financières à 2 ans avant l’acquisition

T3 : le test des données financières à 3 ans avant l’acquisition

TMoy : le test de la moyenne des données financières sur les 3 ans avant l’acquisition

Tableau 3 : Résultats de l’analyse univariée de la sous-période P2 (2001-2007)

Tableau 3 : Résultats de l’analyse univariée de la sous-période P2 (2001-2007)

* (**) (***) : Significatif au seuil de 10%; 5% et 1% respectivement

P2 : la sous-période (2001-2007)

T1 : le test des données financières à 1 an avant l’acquisition

T2 : le test des données financières à 2 ans avant l’acquisition

T3 : le test des données financières à 3 ans avant l’acquisition

TMoy : le test de la moyenne des données financières sur les 3 ans avant l’acquisition

3.2. Résultats des analyses multivariées

27Plusieurs modèles de régression ont été testés afin de corriger le problème de multi-corrélation. Pour la sous-période P1 (1996-2000), deux modèles sont testés. Un modèle exclut les deux variables (CRO, DAT) et un autre exclut les deux variables (RECO, DLT), car ces variables traduisent une corrélation significative. Lorsque les deux modèles estimés affichent des résultats similaires (les mêmes variables significatives), celui qui a le pouvoir explicatif le plus élevé est présenté. Les tests sont réalisés sur les deux sous-périodes P1 (1996-2000) et P2 (2001-2007). Les résultats des régressions logistiques binaires renforcent ceux obtenus lors des analyses précédentes et permettent de corroborer certaines hypothèses (voir les tableaux 4 et 5).

28Concernant la sous-période P1 (1996-2000), les résultats rapportent que les entreprises qui réalisent un taux de croissance du chiffre d’affaires important et qui sont moins riches en free cash-flow ont une probabilité plus élevée de faire l’objet d’une acquisition. En effet, la croissance du chiffre d’affaires (mesurée par le CRO) devait générer en principe des niveaux de free cash-flow importants, or la valeur affichée du ratio free cash-flow, négative et significative, laisse entrevoir que l’entreprise ne gère pas efficacement son exploitation ou que d’importants flux sont générés et utilisés pour financer des projets d’investissement non alignés sur les intérêts légitimes des actionnaires. Concernant la sous-période P2 (2001-2007), les entreprises qui manifestent un déséquilibre en termes de croissance-ressources, sont moins riches en free cash-flow et détruisent de la valeur ont plus de chance de faire l’objet d’une acquisition. On observe une destruction de la valeur chez les firmes cibles, comme le montre le ratio EVA, à 3 ans (T3) et à 2 ans (T2) avant l’acquisition, une détérioration qui s’accentue 2 ans avant l’acquisition. Cette destruction de la valeur est synonyme d’un management inefficace de l’entreprise, ce qui crée le problème d’agence au sein de ces entreprises.

29Ces résultats confirment l’hypothèse relative au déséquilibre croissance-ressources (Ambrose et Megginson, 1992 ; Powell, 1997), l’hypothèse du rôle disciplinaire des OPA/E (Manne, 1965) et l’hypothèse de Jensen (1986) selon laquelle la prise de contrôle est une solution au problème d’agence lié au partage des free cash-flows. En revanche, ces résultats n’ont pas permis de confirmer l’impact de la richesse des firmes cibles en options de croissance, mise en évidence lors de l’analyse univariée, ni l’hypothèse de la sous-évaluation des cibles et celle relative au levier financier. Quant aux variables mesurant les hypothèses de l’internationalisation des activités et des troubles sectoriels (Dumontier et al, 1989 ; Huart, 2000 ; Coutinet et al. 2003), elles ne présentent aucun impact positif sur l’occurrence d’une prise de contrôle pour ces entreprises.

Tableau 4 : Résultats de l’analyse multivariée de la sous-période P1 (1996-2000)

Tableau 4 : Résultats de l’analyse multivariée de la sous-période P1 (1996-2000)

*(**) (***) : Significatif au seuil de 10%; 5% et 1% respectivement

Tn : Modèle prédictif fondé sur les données financières de l’entreprise à (n) années avant l’acquisition

Tableau 5 : Résultats de l’analyse multivariée de la sous-période P2 (2001-2007)

Tableau 5 : Résultats de l’analyse multivariée de la sous-période P2 (2001-2007)

*(**) (***) : Significatif au seuil de 10% ; 5% et 1% respectivement

Tn : Modèle prédictif fondé sur les données financières de l’entreprise à (n) années avant l’acquisition

3.3. Performance et capacité prédictive des modèles élaborés 

  • 3 On dispose finalement de trois échantillons : l’échantillon E(P1) pour les entreprises acquises en (...)

30La capacité prédictive est étudiée au travers de la validité interne, au sein de l’échantillon d’origine ayant servi à la construction des modèles, et de la validité externe, dans un échantillon test. Pour les besoins de l’étude, nous avons formé un troisième échantillon E (P3), composé des entreprises européennes acquises durant la période P3 entre 2008 et 2010, pour tester la validité externe des modèles développés3. La sélection des entreprises de cet échantillon respecte les mêmes critères définis pour les échantillons E(P1) et E(P2). Ainsi, et après avoir éliminé les entreprises dont les données financières manquent, l’échantillon final E(P3) est composé de 43 firmes cibles.

31Les résultats mentionnés dans le tableau 6 ci-après montrent qu’il est plus déterminant de considérer, dans la construction des modèles prédictifs, les données financières des firmes cibles à 1 an et à 2 ans avant l’acquisition. En effet, en comparant le pourcentage de classement correct des modèles Mmoy, M3, M2, et M1 dans l’échantillon d’analyse (validité interne), le taux de classement s’améliore, du modèle Mmoy, utilisant la moyenne des variables financières sur 3 ans, aux modèles M2 et M1 utilisant les données financières des firmes cibles à 2 ans ou à 1 an avant l’acquisition : pour la sous-période P1, le taux passe de 65,2 % selon le modèle Mmoy à 67,4 % selon le modèle M2 ou à 69,6 % selon le modèle M1. Les mêmes constats peuvent être faits pour les modèles issus de la sous-période P2. Concernant la validité externe, les taux de prévisions des modèles issus des deux périodes P1 et P2 s’améliorent dans les échantillons tests. Le pourcentage de classement correct des modèles issus de la sous-période P1 est plus important dans l’échantillon test de la période P3 (le taux varie entre 70 % et 79 % pour les firmes acquises entre 2008 et 2010) que dans celui de la sous-période P2 (ce taux varie entre 69,6 % et 74,7 % pour les firmes acquises entre 2001 et 2007). Pour les modèles issus de la sous-période P2, la capacité prédictive augmente aussi à 72 % dans l’échantillon test E(P3). Il est supposé que les principales motivations de l’acquisition des entreprises en P2 expliquent l’acquisition des entreprises en P3 et que les firmes cibles des trois échantillons présentent des caractéristiques financières semblables. Enfin, on remarque que pour l’ensemble des modèles, la capacité prédictive au niveau des échantillons tests extérieurs (validité externe) est supérieure à celle testée au sein de l’échantillon d’origine (validité interne). Cela confirme encore l’intérêt de l’usage privilégié de la régression logistique.

Tableau 6 : Résultats de la validité interne et externe des modèles de prévision

Modèles & Périodes

La date (n) avant l’acquisition

Validité interne

Validité externe

% du classement correct des firmes cibles dans l’échantillon d’analyse (échantillon d’origine).

% du classement correct des firmes cibles dans l’échantillon test (échantillon témoin).

Modèles de probabilité 

de la sous-période (P1)

M1

69,6%

69,6% dans E(P2) et 70% dans (EP3)

M2

67,4%

74,7% dans (EP2) et 79% dans (EP3)

M3

65,2%

71% dans (EP2) et 77% dans (EP3)

Mmoy

65,2%

72,2% dans (EP2) et 77% dans (EP3)

Modèles de probabilité

de la sous-période (P2)

M1

65,8%

72% dans l’échantillon (EP3)

M2

69,6%

72% dans l’échantillon (EP3)

M3

65,8%

72% dans l’échantillon (EP3)

Mmoy

65%

72% dans l’échantillon (EP3)

E (P1) : échantillon des entreprises acquises durant la sous-période 1 (1996-2000)

E (P2) : échantillon des entreprises acquises durant la sous-période 2 (2001-2007)

E (P3) : échantillon des entreprises acquises en 2008 et 2010

Mn : modèle de prévision fondé sur les données financières des firmes cibles à (n) années avant

l’acquisition (n =1, 2, 3 ans ou la moyenne des 3 ans)

Conclusion

32Cette recherche porte sur la prévision des firmes cibles de prise de contrôle sur la base de l’analyse de leurs caractéristiques économiques et financières. Les tests empiriques sont appliqués sur un large échantillon d’entreprises européennes acquises par voie d’OPA/E sur la période globale entre 1996 et 2007, une période qui recouvre deux vagues de F&A (1996-2000 et 2001-2007). L’analyse des données montre que les entreprises qui présentent un déséquilibre en termes de croissance-ressources, sont moins riches en FCF et détruisent de la valeur ont plus de chances de faire l’objet d’une prise de contrôle. Ces résultats confortent l’hypothèse liée au déséquilibre croissance-ressources des firmes cibles (Ambrose et Megginson, 1992 ; Powell, 1997) et l’hypothèse liée à la motivation disciplinaire des OPA (Manne, 1965). Nos résultats confortent ceux de Brar et al. (2009), Boubaker et Hamza (2014) et Meghouar (2016), dans la mesure où les firmes cibles sont moins riches en liquidité et détruisent de la valeur. Certaines hypothèses émises précédemment n’ont pas été confirmées par les analyses multivariées. Il s’agit de l’hypothèse de la motivation spéculative (Marris, 1964), l’hypothèse liée à la capacité d’endettement non utilisée de la firme cible (Myers et Majluf, 1984) et enfin celle de la richesse d’une firme cible en options de croissance. Par la suite, nous avons procédé à l’élaboration d’un modèle prédictif de la prise de contrôle. En effet, il a été remarqué que les modèles utilisant les données financières à 1 an et à 2 ans avant l’acquisition présentent un pourcentage de classement correct des firmes cibles plus important que les modèles fondés sur l’utilisation de la moyenne de ces variables sur plusieurs années. Quant à la capacité prédictive du modèle élaboré, ce dernier atteint un taux de prévision correct moyen de l’ordre de 67,4 % dans l’échantillon d’origine et de 74,3 % dans un échantillon témoin.

33Les résultats de notre étude ont d’abord permis d’enrichir les connaissances concernant la prise de contrôle d’entreprises en général et plus particulièrement sur le marché européen pour lequel il existe une seule étude empirique (Brar et al., 2009). D’un point de vue managérial, nos résultats permettent aux investisseurs de réaliser une rentabilité anormale supérieure, dans la mesure où ils peuvent acquérir à l’avance des parts dans le capital d’une firme potentiellement opéable, pour ensuite les revendre lors d’une OPA et réaliser une prime allant jusqu’à 30 % du prix de l’action. Nos résultats présentent également un intérêt pour des entreprises susceptibles de faire l’objet d’une acquisition. Ces dernières pourront estimer leur probabilité d’acquisition et élaborer des stratégies de défense anti-OPA favorables à leurs actionnaires. Enfin, ils sont intéressants pour des entreprises désireuses de s’accroitre par voie de croissance externe et qui sont à la recherche d’une firme cible potentiellement opéable.

34Toutefois, notre travail présente des limites. En effet, il serait intéressant de caractériser les opérations domestiques ou transfrontalières dans un travail futur. D’autre part, les modèles de prévision élaborés affichent des taux de prédiction qui atteignent, en moyenne, 74,4 % au niveau de l’échantillon témoin. Une partie de la variance demeure donc non expliquée, ce qui implique l’existence d’autres facteurs spécifiques chez les firmes acquéreuses et témoigne de la non-exhaustivité des motivations d’OPA/E prises en considération dans la construction des modèles de probabilité. C’est l’une des limites de cette étude. Ainsi, dans l’objectif de détecter d’autres explications potentielles des prises de contrôle, de nombreux prolongements sont à mettre en œuvre tels que la considération d’autres caractéristiques qualitatives des firmes initiatrices et/ou comportementales des acquéreurs potentiels.

Top of page

Bibliography

Ambrose B.W. et Megginson W.L. (1992), « The Role of Asset Structure, Ownership Structure, and Takeover Defenses in Determining Acquisition Likelihood », Journal of Financial and Quantitative Analysis, 27 (4), p.575-589.

Andrade G., Mitchell M. et Stafford E. (2001), « New Evidence and Perspectives on Mergers », Journal of Economic Perspectives, vol 15, n°2, Spring, p.103-120.

Alcalde N. et Espitia M. (2003), « Characteristics of Takeover Targets: The Spanish Experience 1991-1997», Journal of Management and Governance, 7, p.1-26

Allani G. (2005), « Les motivations des prises de contrôle : Le cas des acquisitions par offre publique en France », Thèse de doctorat en gestion, Université de Grenoble, Décembre.

ArnullAlmond B. (2008), « The Prediction of Australian Takeover Targets: A Binomial and Multinomial Logit Analysis », Master Thesis, University of Sydney, Australia.

Barber B.M. et Lyon J.D. (1996), « Detecting Abnormal Operating Performance: The Empirical Power and Specification of Test Statistics », Journal of Financial Economics, 41, p. 359-399

Barnes P. (1990), « The Prediction of Takeover Targets in the U.K. by Means of Multiple Discriminant Analysis », Journal of Business Finance and Accounting, vol. 17, p. 73-84.

Barnes P. (1999), « Predicting UK Takeover Targets: Some Methodological Issues and an Empirical Study », Review of Quantitative Finance and Accounting, vol. 12, p. 283-301.

Barnes P. (2000), « The Identification of UK Takeover Targets Using Published Historical Cost Accounting Data. Some empirical Evidence Comparing Logit with Linear Discriminant Analysis and Raw Financial Ratios with Industry-Relative Ratios », International Review of Financial Analysis, 9, p. 147-162.

Bartley J.W. et Boardman C.M. (1986), « Replacement-Cost-Adjusted Valuation ratio as A Discriminator Among Takeover Target and Non-Target Firms », Journal of Economics and Business, vol 38, p. 41-55.

Belkaoui A. (1978), « Financial Ratios as Predictors of Canadian Takeovers », Journal of Business, Finance & Accounting, 5, p. 93-108.

Belkhir M., Boubaker. S. et Rouatbi W. (2013), « Excess Control, Agency Costs and the Probability of Going Private in France», Global Finance Journal, 24, p. 250-265.

Belze L. (2000), « La stratégie de défense anti-opa/ope comme outil de discrimination des cibles d’offres publiques », conférence de l’Association Française de Finance, Juin.

Berle A. et Means G. (1932), « The Modern Corporation and Private Property », Edition Mac Milan.

Boubaker S. et Hamza T. (2014), « Les cibles de prises de contrôle en France : caractéristiques et probabilité d’acquisition », Gestion 2000, vol. 31,6, p. 107-128.

Boubaker S., Cellier A. et Rouatbi W. (2014), « The Sources of Shareholder Wealth Gains From Going Private Transactions: The Role of Controlling Shareholders», Journal of Banking and Finance, 43, n°6, p. 226–246

Brar G. Giamourdis D. et Liodakis M. (2009), « Predicting European Takeover Targets », European Financial Management, vol. 15, n°2, p. 430-450.

Caby J. (1994), « Motivations et efficacité des offres publiques d’achat et d’échange en France de 1970 à 1990 », Thèse de doctorat en sciences de gestion, Université de Nancy 2, Janvier.

Castagna A. et Matolcsy Z.P. (1976), « Financial Ratios as Predictors of Company Acquisitions », Journal of the Securities Institute of Australia, JASSA, vol. 4, p. 6-10.

Chapman D.R. et Judor C.W. (1987), « Inflation, Control-Type and Vulnerability to Takeover », Oxford Economic Papers, n°39, p. 500-515.

Coutinet N. et Sagot-Duvauroux D. (2003), « Economie des Fusions et Acquisitions », La Découverte.

Cudd M. et Duggal R. (2000), « Industry Distributional Characteristics of Financial Ratios: An Acquisition Theory Application », The Financial Review, 41, p.105-120.

Cremers K.J.M., Nair V.B. et John K. (2009), « Takeovers and the Cross-Section of Returns », Review of Financial Studies, 22(4), p. 1409-1445.

Damodaran A. (2005), « The Value of Synergy », working paper.

Dietrich J.K. et Sorensen E. (1984), « An application of Logit Analysis to Prediction of Merger Targets », Journal of Business Research, 12, p. 393-402.

Dumontier P., Brunet J.M. et Souton M. (1989), « Les caractéristiques financières des sociétés françaises acquises par offre publique », Economies et Sociétés, n°14,

Espahbodi H. et Espahbodi P. (2003), « Binary Choice Models and Corporate Takeover », Journal of Banking and Finance, 27, p. 549-574.

Eddey P. H. (1999), « Corporate Raider and Takeover Targets », Journal of Business Finance and Accounting, vol. 18, p. 151-171.

Gaver J. et Gaver K. (1993), « Additional Evidence on the Association Between the Investment Opportunity Set and Corporate Financing, Dividend and Compensation Policies », Journal of Accounting and Economics, 16, p. 125-160.

Goergen M. et Renneboog L. (2004), « Shareholder Wealth Effects in Large European Takeover Bids », Working paper.

Gort M. (1969), « An Economic Disturbance Theory of Mergers », The Quarterly Journal of Economics, 83(4), p. 624-642.

Grand B. (1991), « Les OPA hostiles en France », Revue française de gestion, janvier-février, p.5-20.

Grossman S. J. et Hart O.D. (1980), « Takeover Bids: The Free-Rider Problem, and the Theory of the Corporation », The Bell Journal of Economics, vol. 11, 1, p. 42-64.

Guillou M. et Grolier J. (1976), « Les caractéristiques financières des sociétés engagées dans des OPA : Un essai méthodologique », Revue de Science Financière, Octobre,

Hasbrouck J. (1985), « The Characteristics of Takeover Targets: and Other Measures », Journal of Banking and Finance, 9, p. 351-362.

Hayes R.H et Abernathy W.J. (1980), « Managing Our Way to Economic Decline », Harvard Business School Publ. Corp., vol. 58, 4, p. 67-77.

Hayes R. et Garvin D. (1982), « Managing as If Tomorrow Mattered », Harvard Business Review, 60, p. 71-79.

Huart J.M. (2000), « La concentration des enterprises : quoi de neuf ? », Problèmes économiques, novembre, p. 2688-2689,

Jensen M.C. (1986), « Agency Costs of Free Cash Flow, Corporate Finance, and Takeovers »,

American Economic Review, 76, p. 323-329.

Kester W.C. (1984), « Today’s Options for Tomorrow’s Growth », Harvard Business Review, March-April, p.153-160.

Kira, D. et Morin D. (1993), « Prediction of Takeover Targets of Canadien Firms », in Applied Stochastic Models and Data Analysis, J. Jansen and H. Skiadas, (ed), World scientific Publ. Co.

Le Corveller B. (1992), « La prediction de l’opéabilité et la détection des cibles potentielles d’OPA/E : une analyse empirique », Cahier de Recherches en Gestion des Entreprises, 33.

Lehto E.L.O et Lehtoranta M.O (2004), « Becoming an Acquirer and Becoming Acquired », · Technological Forecasting and Social Change, 71(6), p. 635-650.

Lehn K. et Poulsen A. (1989), « Free cash-flow and Stockholder Gains in Going Private Transactions », The Journal of Finance, 44, p. 771-788.

Lordon F. (2000), « La création de valeur comme rhétorique et comme pratique. Généalogie et sociologie de la valeur actionnariale », L’année de la régulation, vol. 4, p. 117-163.

Makelainen E. (1998), « Economic Value Added as A Management Tool », www.evanomics.com

Manne H.G. (1965), « Mergers and the Market for Corporate Control », Journal of Political Economy, 73,

Marris, R. (1964), « The Economic Theory of Managerial Capitalism », London, Mac Millan.

Martynova M. et Renneboog L. (2006), « Mergers and Acquisitions in Europe », Finance Working Paper No. 114/2006. Amsterdam: European Corporate Governance Institute.

Matoussi H. (2000), « Les décisions financières de l’entreprise », Centre de publication Universitaire.

Meghouar H. (2016), « Opportunités de croissance, création de valeur et prise de contrôle d’entreprises : un cas empirique français », Vie et Sciences de l’Entreprise, n° 201, p. 51-69

Mitchell M.L et Mulherin J.H. (1996), « The Impact of Industry Shocks on Takeover and Restructuring Activity », Journal of financial economics, vol. 41, issue 2, p. 193-229. 

Monroe R.S. et Simkovitz M. (1971), « A Discriminant Analysis Function for Conglomerate Mergers », Southern Journal of Business, november, p. 1-16

Mpasinas A. et Colot O. (2004), « Motivation des absorptions d'entreprises : synergies, agence ou orgueil ? Le cas des grandes entreprises non cotées en Belgique de 2000 à 2002 », Working Paper. 2004/2, Centre de Recherche Warocqué, Document d'Economie et de Gestion.

Myers S. (1977), « Determinants of Corporate Borrowing », Journal of Financial Economics, 5. Myers S.C. et Majluf N. S. (1984), « Corporate Financing and Investment Decisions When Firms Have Informations That Investors Do Not Have », Journal of financial economics, juin, p.187-211.

Novaes W. (2002), « Managerial Turnover and Leverage Under A Takeover Threat », Journal of Finance, vol. 57, p. 2619-2650.

Novaes W. et Zingales L. (1995), « Capital Structure Choice When Managers Are in Control: Entrenchment Versus Efficiency », National bureau of economic research, working paper, n° 5384, December.

Nguyen V. (2005), « Facteurs et performances des prises de contrôle : Le cas de la France (1987-2004) », Thèse de doctorat en sciences de gestion, Université de Paris Dauphine, Novembre.

Ouzounis G., Gaganis C. et Zopounidis C. (2009), « Prediction of Acquisitions and Portfolio Returns », International Journal of Banking, Accounting and Finance, vol. 1(4), p. 381-406.

Palepu K.G. (1986), « Predicting Takeover Targets: A Methodological and Empirical Analysis », Journal of Accounting and Economics, 8, p.3-35.

Powell R. (1997), « Modelling Takeover Likelihood », Journal of Business Finance and Accounting, 24, p. 1009-1030.

Powell R. (2001), « Takeover Prediction and Portfolio Performance: A Note », Journal of Business Finance & Accounting, 28(7/8), p. 993-1010.

Powell R. (2004), « Takeover Prediction Models and Portfolio Strategies: A Multinomial Approach », Multinational Finance Journal, 8(1/2), p. 35-72.

Powell R. G. et Yawson A. (2007), « Are Corporate Restructuring Events Driven by Common

Factors? Implications for Takeover Prediction », Journal of Business Finance & Accounting, Vol. 34, No. 7-8, p. 1169-1192.

Rege U.P. (1984), « Accounting Ratios to Locate Takeover Targets », Journal of Business Finance and Accounting, 11, p. 301-311.

Shivdasani A. (1993), « Board Composition, Ownership Structure, and Hostile Takeovers », Journal of accounting and economics, vol. 16, issue 1-3, p. 167-198

Simkowitz M.A. et Monroe R. J. (1971), « A Discriminant Analysis Function for Conglomerate Targets », Southern Journal of Business, 38(1), p.1-16.

Stevens D.L. (1973), « Financial Characteristics of Merged Firms: A Multivariate Analysis », Journal of Financial and Quantitative Analysis, 8(2), p. 149-158.

Tsagkanos A., Georgopoulos A. et Siriopoulos C. (2006), « Predicting Takeover Targets: New Evidence From a Small Open Economy », International Research Journal of Finance and Economics, 4, p.1084-1094.

Walter R. M. (1994), « The Usefulness of Current Cost Information for Identifying Takeover

Targets and Earning Above-Average Stock Returns», Journal of Accounting, Auditing and Finance, 9, p.349-377.

Zanakis S. et Zopounidis C. (1997), « Prediction of Greek Company Takeovers Via Multivariate Analysis of Financial Ratios », Journal of the Operational Research Society, vol. 48, 7, p.678-687.

Vachon C. (1995), « Modèle de prédiction des acquisitions de firmes au Canada », Thèse de mémoire de l’université de Montréal, Canada.

Top of page

Annex

Tableau 1 : Théories de prise de contrôle, variables utilisées et signe attendu

Théories

Variables

Code

Signe attendu

Taille de la firme

• Log Actif total

• Log Chiffre d’affaires

LNAT

LNCA

-

-

Performance de l’entreprise

• Rentabilité économique = EBE/CAPEX avant impôt.

• Rentabilité financière = Résultat net/Fonds propres

• EVA = NOPAT - (Capital investi x Coût du capital)

• Marge d’exploitation = Résultat d’exploitation/Chiffre d’affaires

• Ratio d’activité = Chiffre d’affaires HT/Actif total

RECO

RFIN

EVA

MEXP

ACTI

-

-

-

-

-

Distorsion

croissance-ressources

Croissance

Taux de croissance du CA

CRO

+

Liquidité

• Liquidité immédiate = Disponibilités/Dettes à CT

• Liquidité générale = Actif circulant/Actif total

LIMM

LGEN

+

+

Endettement

• Dettes financières à LT/Fonds propres

• Dettes financières/Actif total

DLT

DAT

-

-

Variable muette d’une valeur 1 pour les entreprises présentant la combinaison d’un fort endettement, d’une faible liquidité et d’une forte croissance ou d’un faible endettement, d’une forte liquidité et d’une faible croissance, et la valeur 0 pour les autres combinaisons.

DESQ1

+

Variable muette d’une valeur 1 pour les entreprises ayant un faible free cash-flow et une forte croissance ou un fort free cash-flow et une faible croissance, et la valeur 0 pour les autres combinaisons.

DESQ2

+

Sous-évaluation de la firme

• Market-to-book = Capitalisation boursière/Fonds propres

• PER = Cours/Bénéfice net par action

MTB

PER

-

-

Distribution des dividendes

• Dividendes = Dividendes/Bénéfice net

DIV

-

Exploitation du free cash-flow

Free cash flow = (NOPAT – Investissement net – variation

BFRE)/Actif total

FCF

+

Opportunités de croissance

• Options de croissance = Dépenses en R&D/Valeur comptable des actifs

OCRO

+

Structure d’actionnariat

• Somme des parts détenues directement et supérieures à 5 % du capital.

CONC

+

Troubles sectoriels

• Variable muette qui prend la valeur 1 lorsque l’offre publique a lieu dans un secteur qui a connu une OPA/E pendant les 12 derniers mois et 0 sinon.

SECT

+

Internationalisation des activités

• Variable muette qui prend la valeur 1 lorsque l’acquéreur est étranger et 0 sinon.

NAT

+

Matrices des corrélations

La période (1996-2000)

DESQ1

DESQ2

RECO

MTB

CRO

DLT

DAT

OCRO

FCF

DESQ1

1

DESQ2

,267

,070

1

RECO

,109

,464

,057

,704

1

MTB

,146

,328

-,025

,869

-,010

,944

1

CRO

,101

,499

,028

,854

,991**

,000

-,036

,806

1

DLT

-,182

,221

,064

,668

-,034

,816

-,076

,609

-,012

,933

1

DAT

-,162

,276

,014

,927

,481**

,001

-,142

,336

,510**

,000

,767**

,000

1

OCRO

-,304*

,038

-,013

,930

,060

,687

,054

,715

,037

,804

-,028

,851

,019

,898

1

FCF

-,018

,905

-,135

,364

,204

,164

-,029

,847

,182

,215

-,139

,345

-,035

,812

,172

,244

1

*La corrélation est significative au niveau 0,05

**La corrélation est significative au niveau 0,01

La période (2001-2007)

DESQ1

DESQ2

RECO

LIMM

EVA

FCF

OCRO

PER

DESQ1

1

DESQ2

-,089

,429

1

RECO

-,045

,688

,049

,663

1

LIMM

,281

,065

-,263

,084

-,072

,642

1

EVA

-,138

,219

-,074

,512

-,012

,915

-,026

,868

1

FCF

-,076

,506

,106

,351

-,010

,927

-,036

,816

,030

,796

1

OCRO

,113

,317

,060

,598

-,021

,852

,086

,579

-,121

,282

-,045

,691

1

PER

,221

,183

,018

,914

,001

,997

-,038

,878

,010

,951

-,037

,829

,089

,597

1

Top of page

Notes

1 Net Operating Profit After Tax ou résultat net d’exploitation.

2 Les entreprises cibles sont issues de la France, l’Allemagne, l’Italie, l’Espagne, la Suède, les Pays-Bas, la Pologne, la Suisse, le Royaume-Uni, l’Irlande, la Finlande, le Danemark, la Norvège, la Belgique, l’Autriche, le Portugal, le Luxembourg, la Grèce, la Hongrie et la Roumanie.

3 On dispose finalement de trois échantillons : l’échantillon E(P1) pour les entreprises acquises en première sous-période (1996-2000), l’échantillon E(P2) pour les entreprises acquises en deuxième sous-période (2001-2007) et l’échantillon test E(P3).

Top of page

List of illustrations

Title Tableau 2 : Résultats de l’analyse univariée de la sous-période P1 (1996 -2000)
URL http://journals.openedition.org/fcs/docannexe/image/5308/img-1.png
File image/png, 101k
Title Tableau 3 : Résultats de l’analyse univariée de la sous-période P2 (2001-2007)
URL http://journals.openedition.org/fcs/docannexe/image/5308/img-2.png
File image/png, 100k
Title Tableau 4 : Résultats de l’analyse multivariée de la sous-période P1 (1996-2000)
URL http://journals.openedition.org/fcs/docannexe/image/5308/img-3.png
File image/png, 44k
Title Tableau 5 : Résultats de l’analyse multivariée de la sous-période P2 (2001-2007)
URL http://journals.openedition.org/fcs/docannexe/image/5308/img-4.png
File image/png, 46k
Top of page

References

Electronic reference

Hicham Meghouar, “« La prédiction des entreprises européennes cibles de prise de contrôle »”Finance Contrôle Stratégie [Online], 23-2 | 2020, Online since 02 June 2020, connection on 28 March 2024. URL: http://journals.openedition.org/fcs/5308; DOI: https://doi.org/10.4000/fcs.5308

Top of page

About the author

Hicham Meghouar

Hassan First University of Settat, ENCG

Laboratoire LARFAGO, Morocco

E-mail : meghouar@gmail.com

Top of page

Copyright

The text and other elements (illustrations, imported files) are “All rights reserved”, unless otherwise stated.

Top of page
Search OpenEdition Search

You will be redirected to OpenEdition Search