汽车零部件制造行业跨国并购绩效研究 ——以W公司并购T公司为例

来源 :天津师范大学 | 被引量 : 0次 | 上传用户:erpangpang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
伴随着商品生产及销售的全球化进程,全球众多企业正以跨国并购的模式获取本企业所需的资源。截至目前跨国并购已经历了六次浪潮,在第六次并购浪潮中,以我国为中心,众多发展中国家在跨国并购中成为了主要力量。我国汽车产业在最近一段时间里发展迅速,在这一大背景下,我国汽车零部件制造行业的增长速度已经高于整车生产行业的增长速度。为了抢占汽车零部件市场的高地,我国部分零部件制造企业决定以海外并购这一形式获取国外的先进汽车零部件企业的控股权,从而取得其先进的管理和生产经验,进而迅速打入国际市场。本文通过对我国汽车行业以及汽车零部件行业发展现状以及我国零部件企业跨国并购的介绍指出本文的研究背景并引出研究意义。采用文献研究法,梳理了国内与国外学者关于跨国并购动因和绩效的研究成果和结论,介绍了相关概念以及并购绩效的评价方法。通过案例分析法,以W公司并购T公司这一案例作为研究对象,通过相关理论结合汽车零部件行业发展背景对W公司并购T公司的主要动因及由相关动因所产生的并购绩效进行分析评价。在并购动因研究方面,本文根据W公司并购T公司的主要形式,采用访谈法对参与并购双方公司的相关人员就并购动因进行实证分析,并结合并购动因的分析结论选取并购前后的相关非财务指标与财务指标对本次并购的绩效进行分析评价。根据上述案例分析,本文得出以下结论:第一,协同效应、规模经济和资源需求等动因的确立,可以使跨国并购产生良好的绩效表现;第二,初次进行跨国并购的企业有必要聘请专业的第三方机构;第三,跨国并购要关注并购后企业文化、管理方式等各种整合工作。
其他文献
随着数据获取技术的飞速发展,图像数据已呈现出复杂化和高维化的特点。虽然高维图像提高了图像识别等应用的性能,但是也增加了识别系统的处理和存储代价。因此,如何有效提取有用信息,以对高维数据进行维数约简是研究者们迫切需要解决的问题。其中,流形学习是一种广泛使用的特征提取方法,它通过局部结构保持来捕捉和释放隐藏在数据中的几何信息,具有良好的降维效果。局部对流形学习算法具有极其重要的作用,但是这类算法在高维
学位
汉字是中华文化传承和传播的载体,学好汉字除了要掌握汉字的读音以外,还需要掌握规范的书写技能。而随着信息技术的飞速发展,计算机辅助教学已经成为潮流,对键盘“打字”的依赖,导致了人们汉字书写能力的下降,笔顺书写不规范的情况普遍存在。为了对汉字规范书写进行有效教学,对笔顺书写错误进行有效矫正,本文设计了基于关联规则与协同过滤的个性化汉字笔顺矫正算法,并以该算法为核心开发了智能教学系统。本文以大量的用户的
学位
我国的主要能源是煤炭,是世界上储存煤炭最多的国家,而我国煤层气资源占世界煤层气资源的11.7%。煤层气的开采可以降低瓦斯的排放,减少温室效应,保护环境,还可以降低井下的瓦斯含量,为井下工人提供安全的环境。但是在开采煤层气时,会出现煤层气和煤粉两相混合的状态,在一定条件下遇到点火源会发生爆炸。因此,本文使用改进的哈特曼管对煤层气-煤粉混合状态下的燃烧过程进行了研究,使用高速摄影系统对其燃烧过程进行了
学位
并联机器人作为机器人研究领域的热点之一,代表着工业领域上一种新兴产业,吸引着众多机器人研究者投入其中。本文以3-PRR型平面并联机器人为研究对象,设计一套基于“PC+运动控制卡”的开放式并联机器人控制系统,对机器人的运动学问题、轨迹规划问题和振动特性问题进行初步的研究,具体工作内容如下:根据并联机器人特性和课题任务要求完成“PC+固高运动控制卡”的主从式控制系统硬件的设计和搭建,并对所需连接部件和
学位
传统的纺织工艺流程纷繁复杂,每个工序环节均需要一套独立设备,设备之间无法高效衔接,导致了生产效率的降低和人力资源的消耗。针对这一问题,课题组通过对关键工序的研究,重新整合与优化了传统工艺流程。在此基础上,研发了集上浆、烘干、成筒等工序于一体的单纱整理设备控制系统,代替原多台单工序设备,以缩短工艺流程和提高生产效率。本文从理论研究和系统设计两个方面开展了对单纱整理设备控制系统的研究与设计工作。在理论
学位
报纸
以ChatGPT为代表的大模型技术对传统决策范式带来了巨大冲击和挑战。大数据时代,决策模型多为决策要素简单、决策场景受限、决策空间封闭的小模型。然而,真实决策场景实际构成一个复杂的社会物理信息系统(Cyber-Physical-Social System,CPSS),其决策环境、决策主体和受众认知行为等错综关联、高度复杂,导致小模型难以刻画决策场景的底层机理。大模型凭借通顺流畅的语言生成、通用广泛
期刊
报纸
随着人工智能技术的发展和日渐成熟,德国工业4.0、中国制造2025等国家级战略相继提出,智能化已成为工业发展新的方向。由于当今工业过程更加复杂,工业设备愈发精密,使得可测量的过程变量更加多样化。这些变量常具有非高斯、非线性、相关性强、高维、动态性等特点,传统的过程监控和故障诊断方法已很难适用于这类具有复杂特性的工业过程。从具有复杂特性的过程数据中提取出隐变量的质量直接决定了工业过程故障诊断的结果,
学位
随着人工智能技术的持续发展,深度学习呈现出“大算力、大数据、大模型”的特点,而这些依赖算力和大量数据集训练的大模型也广泛应用到了人类的生产生活中。相比于大模型,更广泛使用的传统深度学习存在标注预料缺失、通用性泛化性不足、系统复杂度过大等问题,在金融行业这些问题尤为明显。为解决以上问题,学术界和产业界推出“大模型技术”以进一步推进人工智能规模化应用,随着一系列生成式大模型的爆发,大模型如今已经演变为
期刊