Using an Additive Component Model to forecast the number of mergers and acquisitions in China

Cover Page

Cite item

Full Text

Abstract

Research is devoted to the topic of modeling and forecasting seasonal fluctuations in M&A transactions in China to assess the short-term outlook for the movement of this sector, as well as for future studies of M&A market conditions in the PRC. As a forecasting method the authors have chosen a model with an additive component that considers quarterly data on the number of M&A deals in the Celestial Empire for the past 15 quarters. The order of building a model with additive component is calculation of seasonal component values, deseasonalization of data, trend calculation and evaluation of forecast accuracy. Additive model allows smoothing seasonality by separating seasonal component from time series and separating it from trend and residual component. This action is performed by subtracting the seasonal component from the original time series. Thus, seasonality is removed from the time series, and only trend and residual component remain. After extraction of the seasonal component, it can be analyzed separately and used to predict future values of the time series. It is also possible to use smoothing methods, such as moving average or exponential smoothing, to smooth the seasonality and get a smoother trend. The authors also built trend models, namely linear, power, polynomial, exponential and logarithmic trend models and chose the polynomial model that provides the highest coefficient of determination. The resulting model has made it possible to forecast the number of transactions by quarter until the end of 2023, in the aftermath of which the possible reasons for the decline in the number of mergers and acquisitions in China are described.

About the authors

Marina S. Reshetnikova

RUDN University

Author for correspondence.
Email: reshetnikova-ms@rudn.ru
ORCID iD: 0000-0003-2779-5838

PhD, Assistant Professor of Department of Economic and Mathematical Modeling

6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

Maxim A. Pavlov

RUDN University

Email: 1032200876@pfur.ru
3-d year student of Faculty of Economics, Department of Project Analysis and Modeling in Economics 6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

References

  1. Borthwick, J., Ali S., & Pan, X. (2020). Does policy uncertainty influence mergers and acquisitions activities in China? A replication study. Pacific-Basin Finance Journal, (62), 101381. https://doi.org/10.1016/j.pacfin.2020.101381
  2. Davenport, C.A., Maity, A., Wu, Y. (2015). Parametrically guided estimation in nonparametric varying coefficient models with quasi-likelihood. Journal of Nonparametric Statistic, 27(2), 195-213. https://doi.org/10.1080/10485252.2012.735233
  3. Du Chunyu (2022). An Analysis of the Risk of Financial Expansion by Chinese Companies in the United States. Economics and Society, (6-1), 493-501. (In Russ.).
  4. Fan, J., Maity, A., Wang, Y., & Wu, Y. (2013). Parametrically guided generalised additive models with application to mergers and acquisitions data. Journal of nonparametric statistics, 25(1), 109-128 https://doi.org/10.1080/10485252.2012.735233
  5. Fulcher, B.D., Little, M.A., & Jones, N.S. (2013). Highly comparative time-series analysis: the empirical structure of time series and their methods. Journal of the Royal Society Interface, 10(83), 20130048. https://doi.org/10.1098/rsif.2013.0048
  6. Mozias, P.M. (2020). China’s capital exports: preconditions and implications. Social sciences and humanities. Domestic and foreign literature. Ser. 9, Orientalism and African Studies: Abstract Journal, (3), 56-92. (In Russ.).
  7. Polishchuk, E.A., & Hasanov, M. (2022). Using an additive model to forecast seasonal fluctuations in the hospitality sector. Services in Russia and Abroad, 16(5), 21-29. https:10.5281/ zenodo.7394162. (In Russ.).
  8. Reyes, T. (2018). Limited attention and M&A announcements. Journal of Empirical Finance, 49, 201-222. https://doi.org/10.1016/j.jempfin.2018.10.001
  9. Shelukhin, A.A. (2016). Peculiarities of M&A activities of Chinese transnational corporations. Problems of Modern Economics, (3), 86-89. (In Russ.).
  10. Vissa, S.K., & Thenmozhi, M. (2022). What determines mergers and acquisitions in BRICS countries: Liquidity, exchange rate or innovation? Research in International Business and Finance, 61, 101645. https://doi.org/10.1016/j.ribaf.2022.101645

Supplementary files

Supplementary Files
Action
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».