研究显示发起人的关系网络为决定SPAC成功的关键因素

研究显示发起人的关系网络为决定SPAC成功的关键因素

特殊目的收购公司(SPAC)是指以并购私人企业为主要目的的空壳公司,近年来成为不少公司筹集资金的重要渠道。在2020 年,单是美国已有248个SPAC首次公开发售(IPO)成功筹集834亿美元,远超于传统IPO所筹集的资金。然而,亦有不少的SPAC于收购后表现欠佳。由于在IPO前未能得知合并公司的身份,亦难以预先取得其他相关的公司信息,因此普遍认为投资者只能信赖SPAC的发起人(Sponsors)。港大经管学院几位学者最近发布的研究则发现,有其他的因素能有助投资者辨别SPAC能否取得成功。

是次的研究由港大经管学院金融学讲座教授、宝光基金教授席教授(金融学)林晨教授、教授(金融学)Roni Michaely教授、助理教授(金融学)卢方舟博士及研究生秦诗画进行。

发起人的角色在SPAC中比传统IPO更重要,因为投资者需要依靠他们来选择合适的公司进行合并,情况与创业投资中的普通合伙人相似。由于发起人相对受到较少的检查及制衡,他们的大部分报酬亦与长期业绩并无联系,因此增加了交易未如理想的机会。由此可见,SPAC发起人的资历、声誉和质素对SPAC IPO的最终成功率至关重要。是次的研究以「网络向心性」(network centrality)作为量度的指标,以衡量管理者的人际关系、社交网络中的影响力以及获取信息的能力,这些特质均能有效展现SPAC 发起人的声誉、经验和质素。研究显示,发起人在私募基金(PE)和创业投资(VC)行业的人际网络强度及覆盖范围是其能力的重要指标。具有高网络向心性的发起人通常亦有更成功的IPO资金募集、更好的收购目标和更佳的长期股票回报,以及目标公司在合并后营运业绩更理想的情况更为显注。

该研究运用了2003年至2020年6月390个SPAC IPO的数据,包括发起人的往绩以及与PE及VC的关系等相关数据。实证显示,在挑选及寻找优质的合并目标时,拥有强大的社交和专业网络非常重要,因此研究人员决定主要以PE及VC的网络向心性以证明发起人的质素。好的人际网络通常意味着在IPO期间可获得更多潜在资金,以及有更多机会接触机构投资者或上市后私募投资(PIPE),这些都是完成业务合并不可或缺的条件。最后,网络向心性也能向投资者发出信号,证明发起人曾获得一定的成功率,而且值得信赖。

研究发现,PE及VC网络向心性高的发起人比向心性低的更能有效筹募资金,向心性增加一个标准偏差(SD)意味着 IPO收益增加4467万美元及PIPE投资增加5387万美元。由于研究对象中的IPO平均收益总额为1.98亿美元,而PIPE平均投资则为7900万美元,从比率而言,研究中所表现的收益增长可算颇为可观。

有庞大人际网络的发起人往往能更快地寻获目标公司进行合并。他们完成业务合并的时间能比一般平均所需的20.5个月进一步减少两个月。同时他们亦能运用美国证券交易委员会S-4登记声明的篇幅展露更多与目标公司相关的信息。研究发现网络向心性每增加一个标准偏差,披露的信息量就会增加 12%。考虑到大众一般缺乏关于SPAC IPO的资料,投资者应更乐意获取更多消息以带来更大的业务合并成功机会及营运成效,而此假设亦符合研究团队的观察所得。网络向心性每增加一个标准偏差,亦会将合并和收购成功的可能性增加 3.7%。更重要的是,网络向心性的增加亦与良好的长期业绩息息相关:网络向心性增加一个标准偏差可令收入在合并前增长15.2%,而合并后,杜宾Q比率(Tobin’s Q)亦能增加17.4%。在业务合并后的2年期间,PE网络向心性每增加一个标准偏差能令合并后每月Fama-French三因子模型(Fama-French three-factor alpha)增加 2.1%。综合以上研究结果发现,有更高网络向心性的发起人更擅于寻找及挑选目标公司进行合作,并且对合并后的公司产生一定程度的正面影响。

是次的研究结果亦为监管机构带来一些启示。他们或可考虑实施SPAC发起人的资格认证,以及对他们的获利方式加以规管。通过提高SPAC发起人的质素及减少结构性摊薄(dilution structure)的影响,SPAC能够成为公司上市的可行渠道。有见于SPAC的长期表现并不理想,实施这些政策建议也可能减少SPAC整体表现欠佳的情况,并为投资者提供更好的保障。

研究全文(只提供英文版本):
SPAC IPOs and Sponsor Network Centrality
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3856181

Other Events
港大经管学院最新多模态AI图像生成能力排名出炉 部份中国人工智能模型表现突出
2025 | 学院新闻
港大经管学院最新多模态AI图像生成能力排名出炉 部份中国人工智能模型表现突出
港大经管学院今日发表《人工智能模型图像生成能力综合评测报告》,针对15个“文生图模型”及7个“多模态大语言模型”进行全面评估。研究显示,字节跳动的即梦AI和豆包,以及百度的文心一言,在新图像生成的内容质素及图像修改的表现突出;而早前引起全球关注的DeepSeek最新推出的文生图模型Janus-Pro,则在新图像生成方面表现欠佳。研究亦发现部分文生图模型虽然在内容质素方面表现优异,却在安全与责任方面的表现强差人意。整体而言,与文生图模型相比,多模态大语言模型整体表现较佳。
人工智能图像生成评测成绩单公布: 字节跳动百度表现亮眼,DeepSeek Janus-Pro表现欠佳
2025 | 研究
人工智能图像生成评测成绩单公布: 字节跳动百度表现亮眼,DeepSeek Janus-Pro表现欠佳
如今,人工智能领域的前沿模型技术已经从文本处理拓展至视觉信息的深度理解与生成。这些模型既能精准解读图像语义,又能根据文字描述创作出兼具真实感与艺术性的视觉内容,展现出令人惊叹的跨模态理解与创作能力。本研究聚焦全新图像的生成和基于现有图像的图像修改两大核心任务,提出了一套系统性的人工智能模型图像生成能力评测框架。我们基于多维测试集的构建与专家评审,对15个专业文生图模型和7个多模态大语言模型的图像生成能力进行了全面评估。结果显示,字节跳动的即梦AI和豆包以及百度的文心一言在新图像生成的内容质量与修改任务中表现突出,位列第一梯队。对比不同类型的AI模型,我们发现,相对于专业文生图模型,多模态大语言模型整体表现更佳。