產業政策對并購商譽的微觀影響

中圖分類號：F271 文獻標識碼：A 文章編號：1003-7543（2025）04-0132-13

作為宏觀調控的重要政策工具，產業政策不僅可以調節資源配置，還可以優化產業結構、促進新興產業發展，推動產業升級。黨的十八大以來，我國確立創新驅動高質量發展導向，圍繞新興技術及先進制造業發展出臺了一系列產業政策。產業政策驅動市場對某個產業形成共識時，大量投資會如同“波浪”涌入，形成潮涌效應，而資本市場正是產業政策配置資本的重要途徑。2024年9月，證監會發布的《關于深化上市公司并購重組市場改革的意見》提出“積極支持上市公司圍繞戰略性新興產業、未來產業等進行并購重組”。企業并購是實現資源整合和跨越式發展的主要手段1]，產業政策深刻影響著企業并購行為2。雖然產業政策在引導企業并購方面發揮了積極作用，但其效果可能并不完全符合預期。受市場熱點驅動，上市公司普遍追逐高估值標的，導致高溢價并購現象頻發，進而形成商譽泡沫。非理性并購使并購整合后的協同效應難以真正轉變為實際業績增長，導致一次性計提大額商譽減值事件頻發。資本市場屢受商譽減值潮沖擊，大規模商譽減值已成為影響金融穩定的重要風險因素[3]。

本文以2007—2023年存在并購商譽事件的A股上市公司為研究對象，從產業政策對并購新增商譽和商譽后續處置兩個角度探究產業政策對并購商譽的微觀影響，同時研究了產業政策轉向退出后的經濟后果。本文的主要貢獻如下：一是拓展了產業政策在企業微觀領域的研究邊界。既有研究主要聚焦于產業政策對創新[4]、信貸5]產業結構優化升級[、經濟增長質量[7]、生產效率[8-9]和投資效率[10]的影響。本文將產業政策研究延伸至并購領域，區別于已有政策的套利、政策性任務、資源效應等視角[11-14]著重研究產業政策對并購商譽的微觀影響。二是豐富并購商譽的研究視角。本文從產業政策視角考察了并購商譽的政策效應，區別于已有研究主要考察公司財務、組織行為等企業內部因素對并購商譽的影響。三是關注產業政策的完整流程。不僅考察產業政策支持期間，而且考察產業政策轉向退出后對商譽減值準備的影響，區別于傳統產業政策研究只關注支持或退出單一環節。

一、理論分析與研究假說

林毅夫等[15-16]在研究產能過剩時發現，當市場對某個產業的良好前景存在共識時，會引發大量投資如同“波浪”一般涌向這個產業，導致產能過剩，即“潮涌現象”，其影響稱為“潮涌效應”。本文認為，產業政策宏觀上通過三個方面推動并購活動，進而形成并購商譽的潮涌效應。一是金融政策引導。政府通過金融政策間接引導銀行等金融機構向受產業政策支持的并購方提供信貸，使其獲得更多較低成本的融資[12.17-18]和更高的現金持有水平[19]，在獲取并購資金上更具競爭力。二是財政與稅收優惠。政府通過財政補助[4，20-21]稅收優惠[4]等方式為受產業政策支持的標的企業降低稅賦成本，有助于提升其盈利能力，甚至獲得超額利潤[22]，在市場上受到更多并購方的青睞。三是政策信號的傳遞效應。產業政策的實施向市場釋放了產業升級、營商環境改善等積極信號[23]，這些因素共同作用引發資本市場上更多投資者對受產業政策支持企業未來增長潛力的樂觀預期，進而提高了并購雙方達成并購交易的動機。從微觀視角看，當并購標的企業受到產業政策支持時，會收到更多并購要約，導致其估值水平的提升，進而使得標的企業期望獲得更高的出售溢價。從收購方的決策邏輯來看，為了在并購置入資產后保留股價上漲空間，收購方在并購某項標的資產時，購買價格的上限通常會低于標的方的估值水平。但當標的方受到產業政策支持時，會提升股價上升的預期，收購方愿意接受的估值水平也會隨之提升[24]，更容易達到標的企業的出售溢價水平，從而形成較高的并購溢價。與此同時，包括分析師、機構投資者在內的其他市場參與者將自身對產業認知、短期化的迎合情緒或成長預期壓力[25]等間接傳導至并購市場，導致資本市場相關概念股的股價大幅上漲，使受產業政策支持企業的并購交易受市場情緒驅動更易達成。以上三方面微觀因素共同作用使得產業政策支持領域的并購交易形成遠超行業基準的商譽規模。

從會計學的本質來看，商譽所代表的并購對價中超出可辨認凈資產公允價值的溢價部分，實質上是對標的企業未來收益的預期，其價值確認與計量依賴于后續經營活動中經濟利益的實際兌現。雖然潮涌效應帶來的高溢價并購能在短期內改善企業的財務和資本市場表現，但也容易忽視并購后協同效應的實現難度及潛在風險，當標的企業未來經營業績無法兌現時，收購方會計提更高的商譽減值準備，在后續年度更容易發生減值，商譽存續時間更短。一旦產業政策轉向退出后，市場預期降溫甚至反轉，因產業政策驅動形成的潮涌效應難以持續，資金將不再追逐已經不受產業政策支持的行業，導致這些行業中并購熱度會下降，并購交易中的溢價會減少，對于標的企業未來的預期收益也會降低，因而收購方在后續不需要對并購商譽計提大量的減值準備，與潮涌效應形成相反的效果，“潮涌\"轉為“潮落”。

綜上，產業政策的支持使相關行業的企業估值上升，推動形成并購交易熱潮，引發并購商譽的潮涌效應。一旦產業政策轉向退出，政策預期對應的并購溢價減少，“潮涌\"轉為“潮落”。基于此，本文提出如下假說：

H1：并購標的企業受產業政策支持程度越高，收購方新增商譽規模越大，后續計提商譽減值準備越高，商譽在后續年度越容易發生減值，商譽存續時間越短。

H2：當產業政策轉向退出后，“潮涌\"轉向“潮落”，收購方后續計提商譽減值準備減少。

二、研究設計

（二）變量定義

1.被解釋變量

（一）樣本選取與數據來源

本文以2007—2023年存在并購商譽事件的A股上市公司為研究樣本。商譽數據來源于國泰安財務報表附注中的商譽明細數據和并購重組數據庫，該數據庫涵蓋并購重組項目層面數據。并購重組數據分為資產交易、吸收合并、資產置換、要約收購、債務重組等類別，交易地位編碼包含買方、賣方、標的企業等。因此，與一般公司層面的并購重組數據庫相比，該數據庫便于從項目層次識別和分析收購方及標的方的多主體特征。數據的整理過程如下：（1）整理出“上市公司一項目商譽一年\"結構的初步數據；（2）統一項目公司名：人工識別、搜索收購后被收購方更名情形，統一為更名后的公司名；（3）識別每個被收購商譽的產生年份是否合理：為避免2007年因首次適用新會計準則時將無形資產中商譽重新分類導致的左刪失問題，剔除2007年商譽初始金額不等于0的并購項目樣本；（4）確保并購項目商譽在樣本期間持續披露，對“項目商譽一年\"存在部分缺失的年度，根據前后年度補充完整。例如，若t年某項目商譽觀測值缺失，但前后年度的商譽金額均未發生減值，則可推斷t年該項目商譽未發生變化，對無法推斷補充的樣本則剔除該項目商譽所有年度樣本。經過上述處理，本文最終獲得2007—2023年43385個“上市公司—項目商譽一年\"樣本。

根據天眼查、企查查、愛企查等公開網站查詢標的方所處行業，并依據證監會2012年發布的行業分類標準對標的方行業進行分類。政策數據來自中國研究數據服務平臺（CNRDS）中的產業政策數據庫，該數據庫具有二級行業層面的五年規劃綱要文件產業政策支持信息。其他控制變量來自國泰安數據庫（CSMAR）和CNRDS，部分缺失信息手工補充。

本文選擇商譽相關變量作為被解釋變量。學者們多直接使用報表披露的商譽值[26]。為了更全面地度量產業政策對商譽的影響，本文選擇新增商譽規模 （ G w ） 、商譽減值準備（ G w p ）、商譽是否發生減值 （ G w i ） 、商譽存續時間（Life）四個與商譽相關的被解釋變量。

2.解釋變量

本文的解釋變量為產業政策強度（Policy）。已有文獻中關于產業政策的衡量方法包括直接法和間接法。直接法是從政府政策文件中識別[11，22]};間接法主要依據獲得的財政支持力度推斷產業政策的實施強度。間接法雖然能直接體現受支持程度，但容易受其他因素干擾，難以準確反映產業政策的真實意圖和力度；直接法則更為精準，通常依賴于政策文件的解讀。具體而言，本文基于“十一五\"\"十二五\"\"十三五”“十四五\"規劃綱要文件測度產業政策指標。參考陳冬華和姚振曄[22]逢東和宋昕倍[27]的做法，本文采用打分法構建產業政策強度指標：五年規劃綱要文件中提及的行業若被標為“鼓勵”，則賦值1；若為“重點支持”“大力支持\"等，則賦值2。若某行業被多次提及，則累加其分值，并加1取對數，從而構建90個行業的政策強度數據。

3.控制變量

本文借鑒鄭海英等[28]、李丹蒙等[29]、邱金龍等[14]逯東和宋昕倍[27]的做法，選取獨立董事占比（IDR）、資產負債率 （ L e v ） 、管理層持股比例（Mhld）公司規模 （ S i z e ） 、股權持股 （ F i r s t ） 、股權集中度（ T o p 1 0 ）、成長性（ （ B m ）、股票收益率（Yret）產權性質 （ S o e ）、行業市凈率 （ P B ） 、董事會規模（Board）高管是否有金融背景 （ F i n b a c k ）、企業年齡 （ A g e ） 、兩職合一 （ D u a l ） 、市場化指數（Marketindex）地區生產總值 （ G D P ） 、反壟斷監管力度 （ C P ） 作為控制變量。具體的變量含義和

計算方法如表1所示。

（三）模型設計

本文借鑒蔡慶豐和田霖[1的研究，分析標的方受產業政策支持對商譽的影響。由于本文產業政策強度為五年一變更，為避免固定效應模型對產業政策效果的弱化，本文在公司層面進行聚類標準誤調整。同時，模型中控制了行業和年度固定效應，模型如下所示：

（1）

式（1）中， i 表示上市公司一項目商譽， 表示時間， Y 是被解釋變量。解釋變量Policy為標的方受產業政策的支持力度 為本文主要關注的產業政策的回歸系數;Controls為企業層面的控制變量;∑Industry為行業虛擬變量; 為時間虛擬變量： ε 為誤差項。為避免極端值對實證結果的影響，本文對所有連續變量在 1 % 和9 9 % 分位進行Winsorize處理

三、實證結果與分析

（一）描述性統計

表2為變量的描述性統計。表3（下頁）為年度并購項目商譽數量、年商譽減值事件數量和年計提商譽減值準備的描述性統計。

（二）基準回歸

表4報告了產業政策對并購商譽影響的基準回歸結果，其中列（1）和列（2）列（3）和列（4）列（5）和列（6）列（7）和列（8）分別為模型（1）以新增商譽規模（ G w ， 、商譽減值準備（ G w p ） ！商譽是否發生減值 （ G w i ） 、商譽存續時間（Life）為被解釋變量的OLS回歸結果。其中，列（1）和列（2）估計結果顯示，Policy的回歸系數分別在 1 % 1 0 % 的水平上顯著為正，說明當標的方受產業政策支持力度較大時，收購方新增的商譽規模 G w ）較大。列（3）和列（4）估計結果顯示，Policy的回歸系數分別在 1 % 5 % 的水平上顯著為正，說明當標的方受產業政策支持力度較大時，收購方更容易計提商譽減值準備。列（5）和列（6）估計結果顯示，Policy的回歸系數分別在 1 % 5 % 的水平上顯著為正，說明當標的方受產業政策支持力度較大時，收購方商譽在后續年度更容易發生減值。列（7）和列（8）估計結果顯示，Policy的回歸系數均在 1 % 的水平上顯著為負，說明標的方受產業政策支持力度越大時，并購商譽存續時間越短。表4的結果驗證了H1。

（三）內生性檢驗

1.工具變量法

考慮到本文實證結論的可靠性依賴于產業政策的外生性，利用滯后一期的產業政策強度（LagPolicy）作為工具變量進行回歸[6]。結果如表5所示。列（1）中工具變量LagPolicy的回歸系數在 1 % 水平上顯著為正，Kleibergen-PaaprkLM統計量為410.381，F統計值大于Stock-YogoWeakID的 1 0 % 臨界值（16.380），說明通過了弱工具變量的檢驗。列（2）一（5）的回歸結果與基本回歸結論一致，說明結論具有穩健性。

2.考慮解釋變量的時滯性

從產業政策對商譽形成以及商譽處置的影響邏輯來看，產業政策這一看似外生給定的政策實際上可能存在樣本選擇性偏誤和雙向因果引起的內生性問題。為有效避免可能存在的雙向因果關系導致的回歸結果偏差，基于雙向固定效應模型，本文使用核心解釋變量和全部控制變量的一期滯后項重新回歸[27]，結果如表6所示，實證結果與基準回歸一致。

3.傾向得分匹配法

有產業政策支持的企業和無產業政策支持的企業的非隨機選擇，也可能導致內生性問題。因此，本文進一步利用傾向得分匹配法解決樣本選擇偏誤引致的內生性問題。選擇獨立董事占比（IDR）資產負債率 （ L e v ） 、管理層持股比例（Mhld）、公司規模 （ S i z e ） 、股權持股 （ F i r s t ） 、股權集中度（Top10）、成長性 （ B m ） 、股票收益率（Yret）產權性質 （ S o e ）、行業市凈率 （ P B ） 、董事會規模（Board）、高管是否有金融背景 （ F i n b a c k ）企業年齡 、兩職合一 （ D u a l ） 、市場化指數（Marketindex）地區生產總值（GDP）反壟斷監管力度 （ C P ） 作為協變量，采用Logit模型計算傾向得分，并運用最近鄰匹配法進行1：1匹配，保留滿足共同支撐的觀測樣本。使用模型（1）進行回歸，結果與基準回歸基本一致。

估計結果，為增強回歸結果的穩健性，本文將新增商譽規模這一被解釋變量更換為商譽凈值占總資產的比例 （ G w 2 ） ，即 G w 2 = （商譽期末賬面價值-商譽減值準備）/期末總資產；本文將計提商譽減值準備占總資產的比例 （ G w p ） 這一被解釋變量更換為商譽減值準備（Gwprovision），即 G w . provision 商譽減值準備 。重復上述檢驗，回歸結果如表7所示，在列（1）一（4）中，Policy的回歸系數為正，與前文的結果基本一致，驗證了基準回歸結果的穩健性。

2.更換產業政策測度方式

本文參考蔡慶豐和田霖[1的研究，構建了產業政策虛擬變量和五年規劃虛擬變量，在產業政策為“鼓勵\"時，Policy為1，否則為0。回歸結果如表8所示，與基準回歸結果仍然一致。

（五）異質性分析

在跨行業并購時，由于收購方對標的方所處行業的專業知識和市場環境缺乏深入了解，收購方與標的方存在明顯的信息不對稱，使其可能承擔更高的并購溢價。本文依據收購方和標的方是否屬于同一行業，引人產業政策強度與是否跨行業并購（Hcross）的交互項進行檢驗，結果如表9（下頁）所示。列（1）—（3）中PolicyxHcross的估計系數顯著為負，表明當收購方與標的方同行業時，新增商譽規模越小，后續計提商譽減值準備越少，在后續年度發生減值的可能性越小。列（4）中PolicyxHcross的估計系數在 1 % 的水平上顯著為正，說明相較于跨行業并購，當收購方與標的方同行業時，商譽存續時間越長。

四、進一步研究：產業政策轉向的影響

由于樣本區間是2007—2023年，涉及“十一五\"（2006—2010 年）“十二五\"（2011—2015年）“十三五\"（2016—2020 年）、“十四五\"（2021—2025年）四個政策區間，對于某一行業而言，產業政策態度并非是一成不變的。因此，可以通過不同區間產業政策變化構造樣本，使用DID方法檢驗產業政策轉向對企業并購商譽的影響。本文對四個政策區間分別構造對照組和實驗組。依據前文構建的產業政策強度指標，若Policy不為0，則認為該行業得到當期五年規劃的產業政策支持；否則，認為該行業未得到當期五年規劃的產業政策支持。若某行業在“十一五\"期間得到產業政策支持，但在\"十二五\"期間未得到產業政策支持，則將此類樣本界定為實驗組，Treat1取值為1;若某行業在“十一五\"至“十二五\"期間一直得到產業政策支持，則界定為對照組，Treat1取值為0。2011年及以后， P o s t 2 0 1 1 取值為1，否則為0。同理，若某行業在“十二五\"期間得到產業政策支持，但在“十三五\"期間未得到產業政策支持，則將此類樣本界定為實驗組，Treat2取值為1;若某行業在“十二五\"至“十三五\"期間一直得到產業政策支持，則界定為對照組，Treat2取值為0。2016年及以后， P o s t 2 0 1 6 取值1，否則為0。若某行業在“十三五\"期間得到產業政策支持，但在“十四五\"期間未得到產業政策支持，則將此類樣本界定為實驗組，Treat3取值為1;若某行業在\"十三五\"至\"十四五\"期間一直得到產業政策支持，則界定為對照組，Treat3取值為0。2021年及以后， P o s t 2 0 2 1 取值為1，否則為0。

為消除時間和行業之間的差異，量化產業政策的轉向效應，提高估計結果的可靠性和精確性，本文運用控制雙向固定效應的雙重差分法進行實證檢驗，模型如下所示：

（2）

表10（下頁）列出了模型（2）的回歸結果，列（1）—（3）交互項系數 （ T r e a t×P o s t ） 均顯著為負，表明曾經受到產業政策支持的行業在產業政策退出后，市場預期降溫，資本不再“涌入\"該行業，“潮涌”之后發生“潮落”，并購高溢價對應的商譽減值準備隨之減少，H2得到驗證。

五、研究結論與政策建議

本文從產業政策對新增并購商譽、商譽減值準備、商譽是否發生減值和商譽存續時間四個方面重點考察了產業政策驅動并購商譽的潮涌效應，同時關注了產業政策轉向退出后的影響。研究發現：第一，并購標的企業得到產業政策支持程度越高，并購新增商譽規模越大，計提商譽減值準備越高，商譽在后續年度更容易發生減值，商譽存續時間越短，存在明顯的潮涌效應；第二，跨行業并購的潮涌效應更為顯著；第三，當產業政策轉向退出后，“潮涌\"轉向“潮落”，收購方后續計提商譽減值準備顯著減少。

基于以上研究，提出如下建議：

第一，事前防范。優化政策制定，提高產業政策的穩定性和透明度。政府在制定產業政策時需注重前瞻性，充分評估政策的長期影響，避免短期導向過強的政策激勵引致資本市場的過度反應。同時，在政策發布前應提高信息的透明度，確保市場主體能夠對政策形成合理預期，從而降低市場波動，避免因過度偏向某一行業而引發市場估值泡沫。

第二，事中控制。建立產業政策的動態調整機制，避免政策實施過程中的負面外溢效應。可依托市場調查、行業反饋及學術研究開展定期評估，確保政策執行效果符合市場預期。針對企業并購行為，監管部門需重點關注異常高溢價交易，嚴格審查其合規性。同時，還需完善信息披露，企業需在并購公告中詳細說明商譽估值依據，以增強投資者風險意識，遏制盲目跟風行為。

第三，事后調整。完善產業政策退出機制，緩解政策轉向帶來的市場沖擊。首先，政府在調整產業政策時，應采取漸進式過渡策略，為市場預留充分的調整時間。其次，針對受政策轉向影響較大的企業，通過稅收優惠、融資便利等措施提供過渡支持，幫助其順利完成并購整合，避免因政策變化導致并購失敗或商譽大幅減值。

最后，監管部門需建立健全商譽減值監測機制，及時預警可能的大規模商譽減值事件，避免對資本市場產生過大沖擊。

參考文獻

[1]ANSOFF H I. Corporate strategy： An analyticapproach to business policy for growth andexpansion[M].New York：McGraw-Hill，1965.

[2]ANDRADEG，MITCHELL M，STAFFORDE.New evidence and perspectives on mergers[J].Journal of Economic Perspectives， 20o1，15（2）：103-120.

[3]胡凡，李科.股價高估與商譽減值風險[J].財經研究，2019（6）：71-85.

[4]黎文靖，鄭曼妮.實質性創新還是策略性創新？——宏觀產業政策對微觀企業創新的影響[J].經濟研究，2016（4）：60-73.

[5]祝繼高，韓非池，陸正飛.產業政策、銀行關聯與企業債務融資—基于A股上市公司的實證研究[J].金融研究，2015（3）：176-191.

[6]韓永輝，黃亮雄，王賢彬.產業政策推動地方產業結構升級了嗎？——基于發展型地方政府的理論解釋與實證檢驗[J].經濟研究，2017（8）：33-48.

[7]董豐，陸毅，許志偉，等.金融泡沫、脫實向虛與經濟增長—動態多部門資產泡沫的理論視角[J].經濟學（季刊），2024（2）：360-378.

[8]舒銳.產業政策一定有效嗎？——基于工業數據的實證分析[J].產業經濟研究，2013（3）：45-54.

[9]CRISCUOLO C， MARTIN R， OVERMAN HG，et al. Some causal effects of an industrialpolicy[J].American Economic Review，2019，109（1）： 48-85.

[10]戴宏偉，鄭立晨.當斷則斷：重點產業政策退出、過度投資緩解與企業績效高質量發展[J].數量經濟技術經濟研究，2024（3）：68-88.

[11]蔡慶豐，田霖.產業政策與企業跨行業并購：市場導向還是政策套利[J].中國工業經濟，2019（1）：81-99.

[12]鐘寧樺，溫日光，劉學悅.“五年規劃”與中國企業跨境并購[J].經濟研究，2019（4）：149-164.

[13]CORNAGGIA J， LI J Y. The value of accessto finance：Evidence from Mamp;As[J]. Journalof Financial Economics，2019，131（1）： 232-250.

[14]邱金龍，潘愛玲，吳倩，等.產業政策影響了衰退期企業的并購決策嗎？[J].審計與經濟研究，2020（6）：95-104.

[15]林毅夫.潮涌現象與發展中國家宏觀經濟理論的重新構建[J].經濟研究，2007（1）：126-131.

[16]林毅夫，巫和懋，邢亦青.“潮涌現象”與產能過剩的形成機制[J].經濟研究，2010（10）：4-19.

[17]CHEN D，LI O， XIN F. Five-year plans， Chi-na finance and their consequences[J]. ChinaJournal of Accounting Research， 2017，10（3）：189-230.

[18]錢雪松，鄭德昌，杜立.產業政策與企業委托貸款資金配置—來自中國上市制造業企業的經驗證據[J].金融研究，2023（8）：19-36.

[19]陸正飛，韓非池.宏觀經濟政策如何影響公司現金持有的經濟效應？——基于產品市場和資本市場兩重角度的研究[J].管理世界，2013（6）：43-60.

[20]余明桂，范蕊，鐘慧潔.中國產業政策與企業技術創新[J].中國工業經濟，2016（12）：5-22.

[21]周亞虹，蒲余路，陳詩一，等.政府扶持與新型產業發展—以新能源為例[J].經濟研究，2015（6）：147-161.

[22]陳冬華，姚振曄.政府行為必然會提高股價同步性嗎？—基于我國產業政策的實證研究[J].經濟研究，2018（12）：112-128.

[23]劉若鴻，黃玖立.地方產業政策與債券融資成本[J].中國工業經濟，2023（6）：118-136.

[24]KIMJY，HALEBLIANJ，FINKELSTEINS.When firms are desperate to grow via acqui-sition：The effect of growth patterns and ac-quisition experience on acquisition premiums[J].Administrative Science Quarterly，2011，56（1）： 26-60.

[25]陳仕華，盧昌崇，姜廣省，等.國企高管政治晉升對企業并購行為的影響—基于企業成長壓力理論的實證研究[J].管理世界，2015（9）：125-136.

[26]楊威，宋敏，馮科.并購商譽、投資者過度反應與股價泡沫及崩盤[J].中國工業經濟，2018（6）：156-173.

[27]逯東，宋昕倍.產業政策能否促進資本“聯姻”—基于上市公司設立并購基金的視角[J].中國工業經濟，2022（3）：114-132.

[28]鄭海英，劉正陽，馮衛東.并購商譽能提升公司業績嗎？—來自A股上市公司的經驗證據[J].會計研究，2014（3）：11-17.

[29]李丹蒙，葉建芳，盧思綺，等.管理層過度自信、產權性質與并購商譽[J].會計研究，2018（10） ：50-57.

The Micro Impact of Industrial Polices on Mamp;As Goodwill

GUQian-kun PENG Kai YU Fang

Abstract： Using the data from mergers and acquisitions（Mamp;As） events of A-share listed companies from 2007 to 2O23，this paper investigates the micro impact of industrial policies on corporate Mamp;As.The main findings show that the greater the policy support received by target firms，the larger the goodwill generated from the acquisition，the higher the amount of goodwill impairment provisions，and the shorter goodwill duration，revealing a pronounced surging effect. Heterogeneity analysis indicates that this surging effect is more pronounced in cross-industry mergers.Further research shows that when industrial policies shift towards withdrawal，the trend shifts from \"surging\" to \"falling\"，and the acquirer's subsequent provision for impairment of goodwillis significantly reduced.The government should enhance the stability and transparencyof industrial policies，establish dynamic adjustment mechanisms to prevent negative spillver effects during policyimplementation，and improvethepolicy exit framework，to mitigatemarket disruptions arising from policy shifts.

Key Words： industrial policy; surging efect; Mamp;As goodwill

（責任編輯：胡江峰）