M&A Negotiations and Lawyer Expertise 

Christel Karsten  Ulrike Malmendier  Zacharias Sautner 

Strategy&  UC Berkeley and NBER  Frankfurt School of Finance & 
  Management 
 
 

March 2015 

Abstract 

We  shed  light  on  the  effects  of  lawyer  expertise  on  contract  design  in  the  context  of  M&A 
negotiations.  Using  proprietary  data  on  151  private  transactions,  we  document  that  more  lawyer 
expertise is associated with more beneficial contract outcomes in terms of risk allocation and prices. 
Higher legal expertise does not come with larger legal fees, as high‐expertise lawyers economize on 
transaction costs by reducing the length of negotiations. We address concerns about the endogenous 
allocation of lawyers by performing fixed‐effects analyses and by exploiting firms’ inclination to work 
with the same lawyer on subsequent deals. Our results help explain the importance of league tables 
and variation in legal fees within the M&A services industry. 

__________________ 

 
Contact Details: Christel Karsten, PwC Strategy& (Netherlands) B.V., Apollolaan 151, 1077 AR Amsterdam, The 
Netherlands, Christel.Karsten@strategyand.pwc.com; Ulrike Malmendier, Department of Economics and Haas 
School of Business, University of California, Berkeley, CA 94720, USA, ulrike@berkeley.edu; Zacharias Sautner, 
Frankfurt  School  of  Finance  &  Management,  Sonnemannstraße  9‐11,  60314  Frankfurt  am  Main,  Germany, 
z.sautner@fs.de. We would like to thank seminar participants at the NBER Organizational Economics Meeting, 
the  Joint  Berkeley‐Stanford  Finance  Seminar  at  Berkeley,  EFA  2014  in  Lugano,  the  Legal  Innovation:  Law, 
Economics  and  Governance  Conference  at  Columbia  University,  Conference  on  the  Future  of  Corporate 
Governance  and  Intellectual  Property  Protection  in  Rio  de  Janeiro,  Northwestern  University,  Technical 
University  Munich,  University  of  Michigan,  UCLA  School  of  Law,  and  Peter  Cziraki,  David  Denis,  Rüdiger 
Fahlenbrach,  Roman  Inderst,  Josh  Lerner,  Florencio  Lopez‐de‐Silanes,  Ron  Masulis,  Joe  McCahery,  Suresh 
Naidu,  Daniel  Paravisini,  Urs  Peyer,  Marcos  Pintos,  Michael  Schouten,  Alan  Schwartz,  Denis  Sosyura,  Randall 
Thomas,  Jaap  Winter,  and  Bilge  Yilmaz  for  helpful  comments.  All  errors  are  our  own.  Comments  are  very 
welcome.    
1. Introduction 

Contracts play a fundamental role in markets. As MacLeod (2007) puts it, “The ability to enter 
into binding agreements is […] an essential ingredient of economic growth.” Yet, the economic 
analysis of contract design is still largely dominated by the traditional contract‐theory prediction of 
optimal equilibrium contract design. While our standard models acknowledge the role of 
informational asymmetries, financial constraints, and similar frictions, there is little room for “well‐
designed versus less well‐designed” contracts in these theories. 

In this paper, we provide evidence on the effects of the negotiating parties on contracts. We 
test whether empirical contract design reflects the experience or educational background of the 
lawyers involved in the contract negotiations. If these factors partially influence contract design, this 
may cause deviations from optimal contracting where contracts should primarily address the 
economic environment of a transaction. Such effects are ignored under the standard paradigm of 
“optimal contract design,” but are likely to be important in practice.  

We investigate these questions in the context of acquisitions of private companies.1 The 
traditional view, and null hypothesis, is that negotiation outcomes are driven by deal characteristics, 
but are unaffected by the relative legal expertise of the negotiating lawyers. We test this null 
hypothesis against the alternative view that lawyers affect negotiations and contractual outcomes in 
a measurable way. In particular, we test whether lawyers with more expertise distribute value away 
from the counterparties and towards their own clients (competitive‐advice hypothesis). 

We test these hypotheses using contracts signed between buyers and sellers in 151 
acquisitions of privately‐held targets. These unique and proprietary data were made available by one 
of the largest law firms in The Netherlands. To test for the competitive‐advice hypothesis, we create 
for each transaction an index that captures the expertise of the buyer lawyer relative to that of the 
seller lawyer. We construct this index for the two parties’ lead lawyers, who are usually partners at 
their law firms and oversee all legal aspects of negotiations for their clients. Our index spans different 
dimensions of legal expertise, covering aspects of both experience and education.2  

We start with an analysis of the effects of lawyers’ expertise on key contract clauses that 
represent the diverging interests of buyers and sellers. A large legal literature discusses the 
importance of getting the details of contract provisions right, “as big money can turn on how a 
                                                            
1
 Acquisitions of privately‐held targets are important economic transactions and constitute the majority of all mergers and 
acquisitions (Erel, Liao, and Weisbach (2012); Betton, Eckbo, and Thorburn (2007)).  
2
 Our sample contains leading international law firms, including eight top 10 firms according to a ranking based on deal 
volume. 

1 
 
particular clause in the acquisition agreement is drafted” (Miller (2008), p.197). We focus on 
provisions that have been identified by legal literature as being crucial in negotiations, in particular, 
provisions that allocate risk. These provisions speak to the competitive‐advice hypothesis relative to 
the null hypothesis as, for a given price, the buyer prefers to allocate a maximum level of risk to the 
seller, while the seller prefers the opposite.  

One crucial channel of risk allocation are guarantee statements by the seller about the 
quality of the target (“representations and warranties” or simply “warranties”). Freund (1975, p.229) 
argues that “I’m willing to bet my briefcase that lawyers spend more time negotiating 
‘Representations and Warranties of the Seller’ than any other single article in the typical acquisition 
agreement.” Martinius (2005, p.36) states that “representations and warranties […] often cover more 
than 50% of the purchase agreement and are the primary means to protect the buyer.” While 
warranties themselves are not necessarily used to allocate risk (but rather as a signaling tool to 
overcome asymmetric information), risk allocation is negotiated through three clauses attached to 
warranties, which affect their scope and enforceability.   

First, warranties may come with the statement “so far as the seller is aware,” which renders 
them unenforceable unless the buyer proves that the seller had knowledge of a warranty violation. 
The buyer, therefore, prefers the inclusion of few knowledge qualifiers, whereas the seller prefers 
many.3 Our first measure of risk allocation is the percentage of warranties without knowledge 
qualifiers. As a refinement, we use the absence of a knowledge qualifier in one particular warranty 
where risk allocation (but not signaling) is particularly likely, the legal compliance warranty. This 
warranty states that the business of the target is conducted in compliance with all applicable laws. It 
is highly unlikely that a seller has full information when providing this warranty; a knowledge 
qualifier therefore primarily allocates risk. A second clause is the materiality qualifier, which is an 
overarching qualifier that states that any warranty needs to be violated in “a material respect.” This 
clause also reduces enforceability by the buyer who, as a result, prefers that warranty breaches do 
not need to be material; the seller again prefers the opposite. Legal literature has identified these 
qualifiers as the key provisions in negotiations over warranties (e.g., Freund (1975); Martinius (2005); 
Miller (2008)).4 A third important clause concerns indemnification. Naturally, the buyer’s risk is larger 

                                                            
3
 The difference between signalling and risk allocation can be illustrated with an example. Suppose the seller includes the 
warranty: “There is no breach of the target’s IP rights by another party.” If the seller is uncertain whether such a breach 
occurred, the warranty helps to overcome information asymmetry, but it leaves the risk with the seller. Suppose, to the 
contrary, that the seller adds a qualifier: “So far as the seller is aware, there is no breach of the target’s IP rights by another 
party.” The warranty now still helps to overcome information asymmetry, but it reallocates risk from the seller to the buyer.  
4
 Miller (2008, p.218) states that “it makes a significant difference to the potential economics if there are materiality and 
knowledge exceptions.” He argues that “[next to knowledge qualifiers] the other major battle that is fought in the 

2 
 
if the seller has insufficient funds to indemnify her as a result of a warranty misrepresentation. The 
buyer can be protected against this risk by requiring that parts of the target price are put aside as 
collateral. We measure what percentage of the price is secured as a source for indemnification.    

After controlling for the acquisition price and deal characteristics, we find that more relative 
legal expertise on the buyer side is associated with more risks allocated to the seller, consistent with 
the competitive‐advice hypothesis. Specifically, more buyer lawyer expertise comes with more 
warranties without knowledge qualifiers, a higher probability that the legal compliance warranty is 
not qualified, and a higher probability that warranty breaches do not need to be material. Seemingly, 
seller lawyers that face buyer lawyers with high expertise fail to follow the advice in Miller (2008, 
p.240): “Add materiality and knowledge qualifiers wherever possible.” 

Another important risk in acquisitions arises from adverse events between signing and 
closing dates. As a default, this risk lies with the buyer, who contractually agrees to purchase the 
target at a given price. Contracts can shift this risk to the seller by including a MAC clause, which 
allows the buyer to cancel the deal if the target suffers a material adverse change (MAC). While the 
buyer prefers the inclusion of such a clause, the seller favors not to carry this risk (e.g., Denis and 
Macias (2013); Gilson and Schwartz (2005)). Consistent with the competitive‐advice hypothesis, more 
relative expertise of the buyer lawyer increases the probability that a MAC clause is added. In 
addition, more buyer legal expertise comes with shorter closing times, which benefits the buyer by 
reducing agency problems at the target. (Long closing times allow the seller to extract private 
benefits as she keeps control over the target.) 

We then study the bargaining dynamics to understand the channels that high‐expertise 
lawyers use to influence negotiations in their clients’ favor. In particular, we assess which party is 
allowed to provide the first contract draft. This is a crucial element, as it creates a first‐mover 
advantage by setting an anchor or reference point for the upcoming negotiations (Molod (1994); 
Hart and Moore (2008)). Law firms usually have buyer‐ and seller‐friendly model contracts, which 
they try to use as starting points when drafting contracts. Freund (1975, p.26) writes “in negotiating 
acquisitions, the axiom is: If you have an opportunity to draft the documents, do so; you will jump into 
the lead, and your opponent will never catch up completely.” Consistent with this advice, we find that 
more expertise is associated with a higher probability that a party can deliver the first draft.  

                                                                                                                                                                                          
representation section is the extent to which the Target is permitted to make representations that are qualified by 
‘materiality’.”  

3 
 
 A challenge in interpreting our estimates is the question of endogenous lawyer matching. If 
better lawyers predict better outcomes, does this reflect the causal impact of their expertise, or are 
better lawyers simply able to associate themselves with more promising deals? Our two‐sided 
approach, capturing both buyer‐lawyer and seller‐lawyer expertise, ameliorates part of this concern.5 
Nevertheless, the concern remains that lawyers are endogenously assigned to deals or clients, 
implying that relative lawyer expertise may spuriously reflect unobserved deal or target 
characteristics. This concern is particularly relevant for the lawyers of the firm that provided the 
data, as they advise a buyer or seller in each sample deal.  

We follow Ackerberg and Botticini (2002) on how to address endogenous matching in 
empirical analyses of contract design. We first show that our results are robust to using three fixed‐
effects estimations that account for different endogeneity concerns. We first employ drafting‐law‐
firm fixed‐effects that address the concern that law firms and deals are matched based on the model 
contracts that law firms use as starting points when drafting contracts. These model contracts may 
reflect law firms’ deal specialization or inherent deal expertise, which is a concern if deals are 
assigned to law firms based on these “off‐the‐shelf” models. We next use client fixed‐effects to 
address the concern that lawyers and clients are matched based on unobservable client 
characteristics. For example, clients with high bargaining power may match with high‐expertise 
lawyers; the relation between contract design and lawyer expertise may then reflect client 
bargaining power. Third, we estimate for the law firm that provided the data individual lawyer fixed‐
effects to alleviate the concern that lawyers attract or select specific deals based on their personal 
unobserved characteristics. As we estimate the effects of relative lawyer expertise, these fixed‐
effects identify the role of relative expertise from variation in the expertise of the counterparty.  

To further strengthen our identification, we show that our results hold in two subsamples 
where concerns over endogenous lawyer assignments are largely attenuated. The first subsample 
contains only deals where neither the buyer nor the seller has switched from a previously‐used law 
firm to a new one. This analysis hence excludes deals where clients are potentially reassigned to new 
lawyers in response to unobserved deal characteristics that vary over time. The second subsample 
contains only deals where we know that our law firm has established a client‐law firm relation prior 
to the transaction. The idea behind this analysis is that the initial assignment of a client to a law firm 
may be driven by unobservables, but these past variables are unlikely to bias estimates of legal 

                                                            
5
 Our results indicate that, for example, a “medium degree” of risk‐shifting to the seller could reflect both high and low 
lawyer‐expertise on both sides. A “somewhat stronger” degree of risk‐shifting can stem from the combination of high‐
expertise buyer lawyers and medium‐expertise seller lawyers, or medium‐expertise buyer lawyers and low‐expertise seller 
lawyers. 

4 
 
expertise in transactions over future targets.6 We complement these tests with evidence showing 
that client‐lawyer relations are relatively sticky, and to a large degree determined by a one‐time law 
firm selection. For example, we find no evidence that deals are assigned to lawyers in response to 
the (anticipated) counter‐party expertise.  

To corroborate that our results do not reflect spurious correlations, we perform placebo 
tests for contract clauses where we predict relative expertise to be irrelevant; these are clauses that 
align the incentives of buyers and sellers. We show that relative expertise is unrelated to the number 
of warranties and covenants, which serve important signaling and commitment functions and 
thereby facilitate deal completion. Similarly, relative expertise is unrelated to earnouts and purchase 
price adjustments, which both reduce information asymmetry about target profitability (Datar, 
Frankel, and Wolfson (2001); Cain, Denis, and Denis (2011)). Finally, we show that expertise is only 
used to affect knowledge qualifiers among warranties that primarily allocate risk, but not among 
those that mainly overcome information asymmetry. These findings support Sen (2000) and Inderst 
and Müller (2004), who show theoretically that bargaining over less‐adversarial clauses is unlikely.  

To evaluate the economic value implications of lawyer expertise, we analyze the prices paid 
for the targets. In all of our previous analyses, we controlled for the acquisition price to capture the 
trade‐off between risk allocation and prices. While lawyers are generally not the primary parties 
bargaining over prices, they may nevertheless directly affect prices through their efforts during the 
legal due diligence and contract drafting process. For example, buyer lawyer expertise can help to 
achieve price adjustments if target quality issues are spotted. Indeed, we find that more relative legal 
expertise on the buyer side is associated with lower prices. These results are obtained after 
controlling for deal characteristics, financial advisors, and the contract design. Further, we cannot 
detect that prices reflect the negotiated contract terms, which suggests that lawyer with high 
expertise negotiate better terms and ensure that their clients do not have to pay for them. 

Having demonstrated that legal expertise comes with positive negotiation outcomes along 
several dimensions, we have not yet addressed whether the associated costs neutralize or even 
exceed those benefits. Our data allow us to approximate legal fees as we know the time that law 
firms spend negotiating. The duration of negotiations is a key ingredient of fees as lawyers are 
remunerated on a per‐hour basis (e.g., Garoupa and Gomez‐Pomar (2008)). After accounting also for 
legal team size and law firm rank, we show that more legal expertise does not come with higher fees. 
The driver of this surprising result is that expertise helps to shorten negotiation times, resulting in a 

                                                            
6
 Coates et al. (2011) and Gilson, Mnookin, and Pashigian (1985) argue that lawyer‐client relations are usually long‐lasting 
due to uncertainty about lawyer quality.   

5 
 
lower legal bill. This suggests that high‐expertise lawyers negotiate beneficial contracts and 
economize on transaction costs.  

Our analysis complements papers that study the relation between law firm characteristics 
and M&A outcomes. Coates (2012) studies how law firm expertise affects earnouts, price 
adjustments, and indemnification clauses. Krishnan and Masulis (2013) study how the rank of law 
firms affects completion rates and takeover premiums, and Krishnan and Laux (2008) relate law firm 
size to deal completions and acquirer returns. Krishnan et al. (2012) show that shareholder litigation 
affects M&A outcomes. We also relate to studies that show how characteristics of buyers and sellers 
affect M&A outcomes (e.g., Stulz, Walkling, and Song (1990); Lang, Stulz, and Walkling (1991); 
Harford (1999); Moeller (2005); Masulis, Wang, and Xie (2007); Bargeron et al. (2008)). Finally, we 
complement evidence on the role of investment banks in M&A deals (e.g., Rau (2000); Servaes and 
Zenner (2000); Kale, Kini, and Ryan (2003); Bao and Edmans (2012); Golubov, Petmezas, and Travlos 
(2012); Ertugul and Krishnan (2011); Wang, Xie, and Zhang (2014)).  

2. Data 

Our sample is built around the files of 151 acquisitions of privately‐held targets between 
2005 and 2010. The files have been made available by one of the largest law firms in The 
Netherlands. The law firm acted as advisor of either buyers (86 deals) or sellers (65 deals). The files 
contain the original acquisition contracts, information on the involved lawyers, and details on the 
bargaining and pricing. If missing, we complete information on the lawyers with data from 
Mergermarket, which contains also information on the financial advisors. We focus for each deal on 
the two lead lawyers that are advising the buyer and seller, respectively. These lawyers are usually 
partners at their law firms and identified in our files and in Mergermarket as the lead lawyers on a 
transaction. To measure lawyer expertise, we collect data on each lawyer from the webpages of their 
law firms, internet searches, and Mergermarket. We complement these data with financial 
information on the buyers, sellers, and targets from Amadeus, national trade registers, or financial 
statements. All financial variables are based on the year preceding the closing of a transaction. 

Across our sample, 112 lead lawyers of 49 different law firms are involved in the 
negotiations. Out of those law firms, 25 are headquartered in The Netherlands. The average lead 
lawyer advises on 2.3 sample deals.7 The sample contains 20 lead lawyers from the law firm that 
provided the data, and these lawyers do not specialize on either buy‐ or sell‐side transactions, but 
advice on both. 
                                                            
7
 The buyers (seller) were advised by 30 (36) different law firms and 66 (70) different lead lawyers. 17 law firms and 24 lead 
lawyers advised both sellers and buyers in the sample.   

6 
 
 Table 1 Panel A contains information on the deals. Variable definitions are provided in 
Appendix A‐1. The average purchase price paid for a target is EUR 222m. Only 9% of the deals are 
asset deals; the rest are share deals where the buyer acquires target shares. (Only 8 deals in our 
sample use equity as acquisition currency.) Buyers and sellers are relatively equal in terms of size, 
with a median book value of EUR 1.4bn and EUR 2.1bn, respectively. Both parties also have similar 
levels of deal experience; the median party performed four M&A transactions over the past five 
years. Buyers (sellers) use in 5% (11%) of the deals the services of the internal in‐house legal 
departments (rather than the advice of an external law firm). 44% of all transactions are 
international (target and buyer from different countries), and a quarter is executed as a controlled 
auction. We also report the rank of the involved law firms and investment banks. As in Krishnan and 
Masulis (2013) and Beatty and Welch (1996), we categorize them based on whether they are ranked 
in the top 10 based on deal volume between 1995 and 2010. Negotiations take on average 170 days. 

Table 1 Panel B shows that our sample contains a wide range of different types of buyers and 
sellers, including strategic parties (e.g., conglomerates), wealthy families, private equity firms, 
financial firms, and governments. Strategic buyers and sellers make up the majority of the sample. 
Table 1 Panel C and D contain the sample’s country and industry distribution. By virtue of the 
location of our law firm, the majority of targets, buyers, and sellers are from The Netherlands. 
Nevertheless, a substantial fraction of the targets (15%), buyers (41%), and sellers (21%) are located 
outside this country (Panel C). More than half of all deals have at least one transaction party located 
outside of The Netherlands (Panel D).  

To evaluate potential sample selection issues, Appendix A‐2 compares characteristics of the 
deals in our sample with those of other private acquisitions during the same period. We include in 
the comparison sample all Mergermarket deals where at least one party is located in The 
Netherlands; we thereby capture transactions that our law firm could have potentially advised on.8 
We find that transactions in our sample are larger than those in Mergermarket, and our sample 
naturally contains more targets and sellers from The Netherlands. Our sample also contains a 
relatively higher level of legal and financial expertise. 

   

                                                            
8
 To ensure comparability, the statistics in Appendix A‐1 for transactions in our sample are restricted to those 119 deals that 
are included in Mergermarket. Thus, some of the reported means deviate from those in Table 1. 

7 
 
3. M&A Negotiations and Lawyer Expertise: Process and Measurement  

3.1 M&A Negotiation Process  

This section provides an overview of the steps that are typically taken in one‐on‐one 
negotiations surrounding private acquisitions (Appendix A‐3 describes these steps for auctions). 
Negotiations usually begin with one party communicating interest in a deal. If a buyer initiates a deal, 
this can be a simple statement of interest, whereas a seller typically approaches potential buyers 
with a few pages of target information (a “teaser”). From then until the signing, the seller faces a 
trade‐off between providing information to attract or improve an offer, versus withholding sensitive 
details in case the deal is cancelled. If there is mutual deal‐interest, both parties enter into a non‐
disclosure agreement (NDA) and commit to keep information confidential. The preparation of an 
NDA is generally the moment where lawyers are called into the negotiations.  

In spite of the NDA, the seller often does not yet provide open access to the target’s books. 
The parties first evaluate whether they think along a similar target price range. To facilitate an initial 
offer from the buyer, the seller provides additional information about the target in an information 
memorandum (IM). Based on the IM, the buyer typically provides an initial non‐binding offer, which 
is a high‐end estimate, i.e., a price that the buyer offers if “no skeletons appear in the closet.” If this 
offer does not discourage the seller, the lawyers write down initial agreements in a letter of intent 
(LOI). Most parts of the LOI are non‐binding and its main purpose is to provide a structure to the deal 
to avoid miscommunication and to set a timeline for contract negotiations. In addition, the LOI 
contains a binding exclusivity clause, which prohibits the seller from entering into negotiations with 
other bidders for a specific period of time. After the signing of the LOI, the buyer is granted access to 
the most relevant target data in a due diligence process. As a due diligence can be time‐consuming, 
lawyers usually proceed simultaneously with contract negotiations. 

Contract negotiations start with a draft contract provided by the lawyer of one of the two 
parties. This first draft is a combination of a standard sample contract and deal specifics. Law firms 
generally have different sample contracts, depending on whether they represent a buyer or seller, 
and the first draft contract is usually biased towards the own party. The counter‐party lawyer then 
prepares a mark‐up on this document and indicates preferred changes. The lawyers extensively 
discuss these changes and send various mark‐ups of the contract back and forth. This exchange can 
continue over months. If the due diligence is on‐going during negotiations, concerns emerging about 
the target quality may affect the contract design (e.g., a buyer may demand additional warranties). 
The target price is often not part of these negotiations and mostly not mentioned in the draft 

8 
 
contract until late in the negotiations. While there is no explicit interaction at this stage between 
pricing and contract design, the final price can be adjusted downward if issues appear that are not 
fully mitigated in the contract (e.g., through warranties). 

If the transfer of control (closing) does not occur at the signing date, the contract stipulates 
conditions that need to be met before the closing. If these conditions are satisfied, there is no further 
contract renegotiation after the signing. However, if some conditions are violated, for example the 
MAC conditions, then the contract can be annulled and parties may renegotiate.  

3.2 Measuring Negotiation Outcomes 

We test whether lawyers with more expertise negotiate more favorable outcomes for their 
clients. Our assumption is that lawyer expertise improves the bargaining position, such that more 
favorable outcomes can be negotiated. We revert to bargaining theory to guide our analysis and to 
predict for which outcomes we expect the strongest effects. Generally, negotiation outcomes can be 
separated into those that create value for both parties, and those that distribute value among them 
(e.g., Gilson (1984)). Rubinstein (1982) shows that relative bargaining power is crucial for surplus 
distribution if two trading parties negotiate over outcomes where incentives are opposite. To the 
contrary, Sen (2000) and Inderst and Müller (2004) show that relative bargaining power does not 
matter for provisions that create value for both parties, as incentives are aligned over them. Thus, we 
expect that relative expertise is primarily used to direct negotiations over adversarial clauses.  

3.2.1 Contract Design 

Acquisition contracts contain provisions that facilitate legal actions, mitigate information 
asymmetry or agency concerns, and allocate risk between buyers and sellers. Provisions facilitating 
legal actions address legal formalities or definitions and rarely require negotiations. Clauses that 
address information or agency concerns are usually instruments that create rather than distribute 
value and incentives are relatively aligned over such clauses (we will also show this with our data). To 
measure the impact of relative lawyer expertise, we focus on provisions that allocate risks between 
buyers and sellers, and which are identified by legal literature as being subject to extensive 
negotiations (e.g., Gilson and Schwartz (2005); Miller (2008); Martinius (2005); Freund (1975)).9   

One channel of risk allocation are warranties, which are statements about the quality of the 
target that sellers make with the commitment to repay parts of the purchase price if any of them are 
violated. Warranties can serve as a signaling device if sellers are better informed about the target 

                                                            
9
 Appendix A‐4 provides an overview of these outcomes and the associated buyer and seller objectives.  

9 
 
than buyers (Grossman (1981); Spence (1977)). As a result, they help to reduce information 
asymmetry and are in the interest of both parties. If, however, warranties cover issues that also 
sellers are not entirely sure about, they allocate risk to sellers and provide insurance to buyers.10  

Sellers can circumvent this risk allocation by adding a knowledge qualifier, which states that 
a warranty is only true “so far as the seller is aware.” A warranty qualified with such a statement 
cannot be enforced unless the buyer can prove that the seller was aware of the breach at the time of 
signing (e.g., Freund (1975)). As a result, warranties with knowledge qualifiers allocate risk to buyers, 
while those without them allocate risk to sellers. Our measure of risk allocation is, thus, the fraction 
of warranties that come without knowledge qualifiers (%Warranties w/o Qualifier).11 For any given 
price, buyers prefer the inclusion of few qualifiers, while sellers have the opposite incentives. Table 2 
Panel A shows that 86% of all warranties do not have a knowledge qualifier attached to them. 
Correlations of the contract variables are in Table 2 Panel B.  

As a refinement, we identify one specific warranty where risk allocation (but not signaling) is 
particularly likely, namely the legal compliance warranty. This warranty states that the business of 
the target is conducted in compliance with all applicable laws. It is highly unlikely that a seller has full 
information when providing this warranty. A knowledge qualifier for this warranty is therefore 
primarily used to allocate risk. Our measure of risk allocation, Legal Compliance Warranty w/o 
Qualifier, equals one if a contract does not contain a knowledge‐qualified legal compliance warranty, 
and zero otherwise. Most legal compliance warranties do not have a knowledge qualifier (83%).  

Sellers can further reduce the enforceability of warranties by adding a materiality qualifier, 
which is an overarching clause stating that warranty violations can only be claimed if they are 
material. This provides sellers with a strong defense as buyers need to prove that a warranty is 
violated and that the damage is material (see Kling, Simon, and Goldman (1996)). As such, sellers can 
limit their risk exposure by adding this qualifier. Our measure of risk allocation takes the value one if 
warranty breaches do not need to be material, and zero otherwise (Warranty Not Material). About 
80% of all contracts specify that warranty breaches do not need to be material. 

  Another warranty‐related provision concerns indemnification and the availability of funds in 
case of a warranty breach. If sellers have insufficient funds to pay for the resulting damages, 
warranties are worthless. To prevent this scenario, parts of the purchase price can be collateralized 

                                                            
10
 That statement that there is no third party infringing on the target’s IP rights is an example of a warranty where it is 
unlikely that the seller has full knowledge about whether it is accurate or not. 
11
 We define all contract‐design variables such that higher (lower) values reflect more risk being allocated to sellers 
(buyers). 

10 
 
by placing it in an escrow account, by a cash reserve, or by a bank guarantee. Such secured funds are 
valuable for buyers, as they increase the value of warranties, while they are costly for sellers. Our 
measure of risk allocation is the percentage of the price that is put aside for the buyer as a source of 
indemnification (%Payment Secured). Funds are secured in 47 deals, with the average collateral 
equaling 16% of the price; this corresponds to an unconditional average of 5% across the sample.  

Another important risk in acquisitions arises from adverse events between signing and 
closing dates. If such events substantially reduce the value of the target, buyers may prefer to cancel 
a transaction. However, having signed a contract and fixed a price, theys are required to complete 
the deal and have to bear this risk. Contracts can shift this risk back to sellers through inclusion of a 
MAC clause, which stipulates that buyers can refuse deal completion if the target suffers a material 
adverse change (MAC). While buyers prefer the inclusion of such a clause, sellers favor not to carry 
this risk. Our measure is a dummy variable, which takes the value one if the contract contains a MAC 
clause. MAC clauses are present in only 34% of our private sample deals; this compares with 99% of 
transactions in public takeovers (Denis and Macias (2013)).  

3.2.2 Bargaining Process 

Lawyers have incentives to direct the bargaining process in a way that is favorable to their 
own clients. In particular, they have incentives to provide the first contract draft to get a first mover 
advantage and to set a reference or anchor point (e.g., Freund (1975); Molod (1994); Hart and Moore 
(2008)). The reason is that law firms usually have a buyer‐ and a seller‐friendly model contract, so 
they have an advantage in the negotiations if they can start with a draft that is friendly towards the 
own party. Our data allow us to identify which law firm provided the first draft, as the layouts of the 
signed contracts contain the business labels of the law firms that drafted the first versions. Table 2 
Panel A shows that the first draft comes in 44% of the deals from the buyer law firm.  

As an additional aspect of the bargaining process, we measure the duration of the closing 
process, which is time between the signing of the contract and the target transfer. Closing times are 
sometimes necessary to apply for regulatory or shareholder approvals. Whereas the length of this 
period is largely affected by the number of required approvals, lawyers may influence it by filing 
documents more quickly or lobbying for faster responses. Buyers prefer short closing times as—with 
the transaction price fixed—sellers remain in control of the target before the closing and can exploit 
this by acting opportunistically. Our data indicate a considerable time period—about 46 days—
between signing and closing, making opportunistic seller actions a realistic concern for buyers. 

   

11 
 
3.3 Measuring Relative Lawyer Expertise 

We create an index, Relative Lawyer Expertise, to proxy for the expertise of the buyer lead 
lawyer relative to the seller lead lawyer. The index is based on six index components that each 
capture relative expertise along a different dimension: (i) years as partner; (ii) deal experience; (iii) 
M&A specialization; (iv) listing as an M&A expert in the Chambers Expert Lawyer ranking; (v) law 
school rank; and (vi) graduation from a US law school. We include graduation from US law schools as 
their LL.M. programs have a stronger focus on negotiation skills compared to European programs.  

The exact construction of each index component depends on the distribution of the 
underlying biographic data. If the underlying data are continuous (e.g., years as partner), the 
components are created by dividing the expertise value of the buyer lawyer by the expertise value of 
the seller lawyer.12 This implies that a higher ratio indicates higher relative buyer lawyer expertise. 
We standardize the resulting ratios such that they range between zero and one. A similar 
methodology is used in Kale, Kini, and Ryan (2003). If the underlying data are binary (e.g., graduation 
from US law school), the components can take three values: 0 if the seller lawyer has more expertise; 
0.5 if both have the same expertise; and 1 if the buyer lawyer has more expertise.  

Relative Lawyer Expertise is the average of the six index components that each proxy for 
relative expertise. The index ranges between zero and one, as its components have been 
standardized to lie in the same range. Table 3 Panel A contains summary statistics for the index and 
its components.13 Table 3 Panel B shows that the index components are positively, but far from 
perfectly correlated; they capture different aspects of expertise. For some of our tests we use the 
legal expertise of the buyer and seller lawyer separately (rather than its ratio). Both of these indices, 
Buyer Lawyer Expertise and Seller Lawyer Expertise, consist of the same six components and they also 
range between zero and one; higher values of both indices indicate more expertise.  

4. Empirical Results 

4.1 Negotiation Outcomes and Relative Lawyer Expertise 

We next turn to the question of whether higher relative lawyer expertise is associated with 
more favorable contract outcomes. To this end, we regress in Columns 1 to 5 of Table 4 our proxies 
for contract design on the index of relative lawyer expertise. The regressions control for different, 
                                                            
12
 For the university rankings, we use inverse values of the underlying university rank.  
13
 Appendix A‐5 provides statistics of the data underlying the index components. As shown in Table 1 Panel A, sellers 
(buyers) did not hire an external law firm and relied on internal in‐house lawyers in 11% (5%) of the deals. We assume that 
this reflects low legal expertise and code the relative expertise index with the value 1 (value 0) for these observations. This 
approach is similar to Yermack (1992) and Matsunaga, Shevling, and Shores (1992).

12 
 
potentially important, determinants of contract design. We use three proxies to account for the 
complexity or size of a transaction: (i) an indicator for whether a deal is cross‐border; (ii) the total 
assets of the target; and (iii) an indicator for whether a deal is an asset or share deal. We further 
control for the relative size of the buyer and seller to account for differences in bargaining power, 
and for the expertise of the financial advisors. Importantly, we control for the acquisition price as 
contract provisions and prices are likely to be interrelated. This allows us to account for the 
possibility that higher expertise leads to certain favorable contractual outcomes, but that parties 
eventually have to pay for these clauses via the price. We control for the number of warranties in 
regressions that explain warranty‐related provisions.   

As higher values of our contract design measures imply that more risk is allocated to sellers, 
the competitive‐advice hypothesis implies a positive relation between relative lawyer expertise and 
contract design. Supporting this view, we find in Table 3 that more relative buyer lawyer expertise is 
associated with more warranties without a knowledge qualifier, a higher probability that the legal 
compliance warranty does not contain a knowledge qualifier, and a higher probability that a 
warranty breach does not need to be material. In terms of economic significance, an increase in the 
relative expertise index from the first to the third quartile implies an increase in %Warranties w/o 
Qualifier by 4%, which equals more than one third of the variable’s standard deviation. We further 
find that more legal experience is associated with a higher likelihood that a MAC clause is included.  

Column 6 in Table 3 looks more closely into the bargaining process to understand the 
channels that high‐expertise lawyers use to influence contract outcomes in their clients’ favor. In 
particular, we assess which party is allowed to provide the first contract draft. We find that more 
legal experience on the buyer side is associated with a higher probability that the buyer can provide 
the first contract draft. This suggests that the initial drafting phase is a crucial element, as it creates a 
first‐mover advantage by setting an anchor or reference point for the upcoming negotiations. In 
terms of the duration of the deal process, Column 7 of Table 3 shows that more expertise comes with 
shorter closing times. The estimate suggests that moving from the first to the third quartile of the 
relative experience index reduces closing times by a substantial 22 days. Appendix A‐6 reports these 
regressions separately for each of the six index components.  

4.2 Endogenous Assignments of Lawyers 

Our evidence suggests that negotiation outcomes are more favorable for buyers if the 
expertise of their lawyers exceeds the expertise of the seller lawyers, consistent with the 
competitive‐advice hypothesis. A concern is that this relation may be spurious due to endogenous 

13 
 
assignments of lawyers to deals. In particular, lawyers with more expertise may be matched with 
deals that are generally larger or more complex and require special buyer protection. Endogenous 
lawyer matching is of particular concern for the lawyers of our law firm, as they drive a large part of 
the variation of the relative expertise index. We address endogeneity concerns in three ways. 

4.2.1 Fixed‐Effects Regressions 

As a first approach we use three fixed‐effects estimations that account for the possibility that 
lawyers and contracts are matched based on unobserved time‐invariant deal, client, or lawyer 
characteristics. We first address the concern that law firms are assigned to deals based on the model 
contracts that law firms use for drafting contracts. Law firms usually have two standardized model 
contracts “off the shelf”, one buyer‐ and one seller‐friendly version, that are used as starting points 
when providing first drafts. If law firms specialize in certain transactions or industries, it is possible 
that these models reflect the underlying expertise of law firms. This is a concern to our analysis if (i) 
law firms with high‐expertise lawyers have model contracts that systematically differ from those of 
firms with low‐expertise lawyers, and (ii) deals are assigned to law firms based on these models. To 
ensure that our results are not driven by this, the regressions in Table 5 Panel A control for drafting‐
law‐firm fixed‐effects. Ten law firms in our sample provided the first draft in more than one deal, and 
the fixed‐effects estimations include dummy variables for each of them.  

Second, we address the possibility that lawyers and clients are matched based on 
unobserved client characteristics. For example, it is possible that clients with high bargaining power 
systemically match with lawyers that offer high expertise. This is a potential concerns, as the 
observed relation between contract design and lawyer expertise may then reflect client bargaining 
power rather than lawyer expertise. The regressions in Table 5 Panel B therefore control for client 
fixed‐effects and identify the effects of lawyer expertise from within‐client variation. We estimate 
these fixed‐effects by including dummy variables for all 19 clients that are involved in at least three 
sample transactions (a client can occur as a buyer or seller). 

Third, we exploit in Table 5 Panel C that most lawyers of our law firm advised on more than 
one transaction, allowing us to estimate lawyer fixed‐effects. These fixed‐effects alleviate the 
concern that lawyers attract or select specific deals by accounting for unobserved time‐invariant 
lawyer characteristics. As our analyses estimate the effects of relative expertise, lawyer fixed‐effects 
identify the effect of expertise from variation in the expertise of the counterparty. (We study in Table 
7 the two‐sided matching of buyer and seller lawyers to show that the expertise matching is largely 

14 
 
random.) We estimate lawyer fixed‐effects by including dummy variables for all 14 lawyers that 
advised on at least three sample transactions.          

The fixed‐effect estimations show across all three panels that our results are largely robust 
once we account for the possibility of endogenous lawyer assignments.14  

4.2.2 Client‐Law Firm Switches 

The fixed‐effects analysis in Table 5 Panel B mitigates concerns with respect to the initial 
assignment of lawyer to clients based on unobservable time‐invariant client characteristics. To 
evaluate the role of potentially endogenous law‐firm changes, we next evaluate the prevalence and 
drivers of such switches. As a starting point, Table 6 Panel A reports how frequently clients switch 
law firms.15 We find that in only 18% (41%) of the deals where switches are possibly a concern, 
sellers (buyers) have changed from a previously‐used law firm to a new one.16 Hence, in the majority 
of cases, clients obtain advice from a law firm with which a prior relationship has been established. 
This indicates that repeated counsel is widespread, consistent with Coates et al. (2011) and Gilson, 
Mnookin, and Pashigian (1985).  

We then study in more detail the variables that drive law‐firm switches. To this end, we run 
in Table 6 Panel B regressions that relate switches to deal and client characteristics. We test in 
particular whether deal complexity or size drive law‐firm changes. The regressions show that law‐
firm switches by sellers are generally not motivated by complexity or size. While buyers also do not 
switch law firms in response to deal size, they do switch if an upcoming deal is cross‐border. This 
possibly reflects the desire of buyers to obtain advice from a law firm in the target country. (We 
show below that such switches are not a concern to our analysis, as they do not result in higher (or 
lower) legal expertise.) Most importantly, we cannot detect that law‐firm switches are motivated by 
an attempt to obtain systematically higher legal advice, as neither seller nor buyer legal expertise is 
related to the switching variable. This observation is important, as it alleviates the concern that 
switches are motivated by a quest for expertise.    

Finally, we perform regressions on two subsets of deals where concerns over endogenous 
lawyer changes are largely muted. In Table 6 Panel C we estimate regressions only for deals where 
neither the buyer nor the seller has changed law firms. The idea behind this analysis is that it 

                                                            
14
 Note that the number of observations in Table 5 is lower than in Table 4, as some observations are dropped if there is no 
variation in the dependent variable within a fixed‐effects category.  This also reduces the power of these tests.   
15
 We exclude clients that have not used external advice and or that have not undertaken prior M&A deals; endogenous 
law‐firm changes are not a concern for these deals. 
16
 We evaluate whether prior client‐law firm relations have been established based on information from Mergermarket. 

15 
 
excludes cases where law‐firm switches, though not systemically related to legal expertise (Table 6 
Panel B), may be motivated by unobserved deal characteristics that may bias the effect of expertise.  
In Table 6 Panel D we estimate regressions only for deals where our law firm has established a client‐
law firm relation prior to the current transaction. In 51 (49) of the deals our law firm advises a seller 
(buyer) with which a prior relation has been established, providing us with a sample of 100 deals in 
total. Similarly to the first analysis, the idea is that the initial assignment of a client to a law firm may 
be driven by unobservables, but these past variables are unlikely to bias the estimates of legal 
expertise in transactions over future targets. The regressions in both panels show that our results are 
largely present also in these two refined samples. 

4.2.3 Two‐Sided Lawyer Matching and Analysis of Covariates 

We have shown that it is unlikely that our results are driven by unobservables that drive the 
allocation of lawyers to deals. Yet, to better understand the matching of lawyers to deals, we 
examine correlations between lawyer expertise and different observables. We first analyze whether 
expertise on one side of the negotiation tables is systematically related to expertise on the other 
side, which would reflect a two‐sided matching. Figure 1 reports a scatter plot of buyer and seller 
lawyer expertise. The striking observation emerging from the plot is that clients do not seem to 
select lawyers so as to match the expertise of the counterparty; observations would otherwise 
cluster along the 45 degree line. In fact, in Table 7 we cannot even detect a significant positive 
relation between the two expertise variables. This finding is in line with our previous argument that 
client‐lawyer relations are sticky and mainly determined by a one‐time law firm selection.  

  Though lawyers do not seem to match with deals based on the anticipated counter‐party 
expertise, we do not intend to suggest that law firm assignments are purely random. In fact, the 
regressions in Table 7 show that relatively larger clients tend to use lawyers with higher expertise, 
and sellers of larger targets also tend to use higher expertise. Both observations confirm the 
importance of directly controlling for these variables in our previous regressions. Note that neither 
buyer nor seller expertise is statically related to cross‐country deals, indicating that the previously‐
documented client switches in cross‐country deals are not motivated by a quest for expertise.  

4.3 Relative Lawyer Expertise: Placebo Tests  

Theory predicts that bargaining power is not employed to affect outcomes that create value 
for both parties (Sen (2000); Inderst and Müller (2004)). Contract outcomes can create joint value if 
they facilitate deal completion by reducing information asymmetry or by mitigating agency problems 
(Gilson (1984)). We use this prediction to perform placebo tests that mitigate concerns about 

16 
 
spurious correlations between lawyer expertise and contract outcomes. Table 8 contains regressions 
for four contract outcomes that plausibly increase the joint surplus of both parties: number of 
warranties; number of covenants; whether an earnout is included; and whether a purchase price 
adjustment (PPA) is included.  

We study warranties as they help to reduce information asymmetry by signaling target 
quality (Grossman (1981); Spence (1977)). Thereby, they not only protect buyers against information 
solely available to sellers, but they also increase the probability that the target is sold to begin with. 
Warranties hence increase joint surplus, making them an area where incentives are aligned. Similar 
arguments can be applied to covenants. Covenants are in the interest of both parties, as they are 
commitment devices that mitigate opportunistic seller behavior between signing and closing. 
Thereby, they facilitate deal completion and benefit both parties. Finally, earnouts and PPAs increase 
the probability that a deal is completed by reducing information asymmetry related to target 
profitability (Datar, Frankel, and Wolfson (2001); Cain, Denis, and Denis (2011)). Earnouts stipulate 
that parts of the purchase price are contingent on target performance after the closing date, thereby 
reducing uncertainty about future target performance. Similarly, PPAs are modifications to the price 
based on target book values at the closing date. Such adjustments may be needed if signing and 
closing dates differ substantially. PPAs retroactively adjust the price based on changes in accounting 
performance and help to overcome information asymmetry about target performance.    

The regressions in Columns 1 to 4 of Table 8 show that relative lawyer expertise is unrelated 
to all four outcomes. This corroborates that legal expertise is primarily used to bargain for outcomes 
that are favorable to the own clients, rather than to influence provisions that maximize joint surplus.  

To further investigate the difference between provisions that mainly allocate risk and those 
that mainly overcome information asymmetry, the remaining two columns of Table 8 contrast the 
effects of lawyer expertise for two warranty categories. We separate warranties into those where it 
is ex ante likely that the seller has sufficient information to be sure that a warranty breach is unlikely, 
and those where this is unlikely. We then calculate for each of these categories the percentage of 
warranties with a knowledge qualifier. Specifically, %Info Warranties w/o Qualifier is the percentage 
of all warranties without a qualifier on the following topics: corporate records; financial accounts; 
employees; and insurance matters. We contrast this variable with %Risk Warranties w/o Qualifier, 
which is the percentage of all warranties without a qualifier on the following topics: legal; contracts; 
intellectual property; assets; and business information. We assume that the warranties on the first 
topics are more likely to reduce information asymmetry, while those on the second topics are more 

17 
 
likely to allocate risk. Thus, relative lawyer expertise should matter for the first, but not for the 
second warranty type.17  

Columns 5 and 6 of Table 8 show that relative lawyer expertise is unrelated to %Info 
Warranties w/o Qualifier, but highly significantly related to %Risk Warranties w/o Qualifier. This 
corroborates that expertise is primarily used for provisions that allocate risk.   

4.4 Financial Benefits of Lawyer Expertise 

We have shown that more legal expertise is associated with better a contract design and a 
more favorable bargaining process. In all of our previous analyses, the acquisition price served as a 
control variable that captured the trade‐off between risk allocation and price. Controlling for the 
price allows us to address the concern that certain parties may be willing to carry more risk if they 
are compensated accordingly. This leaves the question of whether lawyer expertise also directly 
affects the financial outcome of a deal. Lawyers may affect the price through their efforts during the 
legal due diligence and contract drafting process. As described above, the initial price in one‐on‐one 
transactions is usually set prior to contract negotiations. However, lawyers can affect the final price 
in different ways. For example, the initial price is usually an upper bound that is subject to issues that 
arise during the negotiation process. Buyer lawyers with more expertise may be better able to 
identify any “skeletons” during this process, and negotiate lower final prices as a result.  

Table 9 studies the relationship between the acquisition premium and lawyer expertise. We 
test whether more financial expertise on the buyer (seller) side is associated with a lower (higher) 
price for the target.18 We control for variables that may also affect the acquisition price, for example 
target size, whether or not a deal is cross‐border, target profitability, the relative size of buyers and 
sellers, and the expertise of the involved investment banks. To account for the trade‐off between 
contract design and the price, we further account for the previously studied contract clauses. The 
regressions show that more legal experience is associated with more favorable prices. Specifically, if 
the buyer lawyer has more experience, this is associated with a lower premium. With the exception 
of the MAC clause, we cannot detect that the acquisition prices reflect the negotiated contract 

                                                            
17
 This difference can be illustrated with two examples. Suppose the seller includes the following IP warranty: “There is no 
breach of the IP rights of the target by another party.” If the seller is uncertain whether such a breach has occurred, the 
warranty helps to overcome information asymmetry, but it leaves the risk with the seller. Suppose now that the seller adds 
a knowledge qualifier: “So far as the seller is aware, there is no breach of the target’s IP rights by another party.” The 
warranty now still helps to overcome information asymmetry, but it reallocates risk from the seller to the buyer. Contrast 
this example with a warranty that states that the seller has disclosed all documents on the organization of the target, all 
bylaws, and all minutes of board meetings (a corporate record warranty). Here, it is likely that the seller can be certain 
about the statement she makes, so that a knowledge qualifier likely does not allocate risk. 
18
 We follow Masulis and Nahata (2011) and measure the acquisition premium as the price paid for the target (including 
liabilities) divided by its book value. The average premium equals 2.4 (Table 2 Panel A).  

18 
 
clauses. This suggests that lawyer with high expertise are beneficial on two fronts: they negotiate 
better contract provisions and ensure that their clients do not have to pay for them. 

4.5 Financial Costs of Lawyer Expertise 

While we have demonstrated that legal expertise comes with positive negotiation outcomes 
along several dimensions, we have not yet addressed whether the associated costs neutralize or 
even dominate these benefits. Our data allows us to approximate the legal fees paid by buyers and 
seller. These estimates build on the overall time spent on the M&A negotiations, defined as the 
number of days between the start of the negotiations and the signing of the contract.19 The duration 
of negotiations is an important starting point for fee estimations, as lawyers are remunerated on a 
per‐hour basis (e.g., Garoupa and Gomez‐Pomar (2008)).  Negotiations take on average 170 days 
(Table 1 Panel A). Next to negotiation times, we account for the legal team size (number of 
associates and partners) and differences in hourly fees due to differences in law firm rank. There are 
on average five (eight) lawyers in the teams of the sellers (buyers). We assume an average hourly fee 
of EUR 400 for a top‐tier law firm and EUR 300 for all others.20 We then estimate fees by multiplying 
the negotiation time with the team size and daily rate (8 times hourly rate). The median buyer in our 
sample pays EUR 1.5m in legal fees, while the median seller pays EUR 0.9m (Table 1 Panel A).  

  Table 10 relates in Columns 1 to 4 these fee estimates with lawyer expertise. We use both 
the absolute fee and the fee scaled by the purchase price. The regressions show that we cannot 
detect that more legal expertise comes with a higher legal bill. To understand this surprising result, 
we investigate more closely the time that lawyers spend negotiating. Interestingly, we find in Column 
5 of Table 10 that more buyer expertise is associated with shorter negotiation times. This suggests 
that high‐expertise lawyers not only negotiate beneficial outcomes, but that they also economize on 
transaction costs. Overall, this makes it unlikely that legal costs outdo the benefits of expertise.     

5. Conclusions 

We study whether empirical contract design reflects the experience or educational 
background of the lawyers involved in contract negotiations. The effects of legal advisors on contract 
design are ignored under the standard paradigm of “optimal contract design,” but are likely to be 
important in practice, as they may cause deviations from optimal contracting.  

                                                            
19
 We can identify the start of negotiations as we know the date at which our law firm opened a file on a transaction. An 
advantage of this information is that we do not need to rely on public deal announcements, which usually take place, if at 
all, after substantial negotiation time has passed. 
20
 A law firm is defined as top tier if it is ranked in the top 10 based on the number of deals advised on from 1995 to 2010.          

19 
 
 Using private company acquisitions as a laboratory, we find that lawyers with more expertise 
yield better contractual outcomes for their clients along several important dimensions. For example, 
buyer lawyer with more relative expertise negotiate contracts that have fewer warranty qualifiers, 
are more likely to require that any warranty breach can be claimed, and have a higher propensity to 
include a MAC clause. Thus, buyer lawyers with more expertise than seller lawyers negotiate 
contracts that allocate risk away from buyers and towards sellers. Placebo tests show that lawyer 
expertise is less important for provisions that increase the joint surplus of both parties. We address 
concerns about the endogenous allocation of lawyers by performing fixed‐effects analyses and by 
exploiting firms’ inclination to work with the same lawyer on subsequent deals.  

We then study the underlying bargaining dynamics to understand the channels that high‐
expertise lawyers use to influence contracts in their clients’ favor. We find that more legal expertise 
is associated with a higher probability that a party can deliver the first contract draft. This helps in 
contract negotiations, as it provides a first‐mover advantage by setting an anchor or reference point 
for upcoming negotiations. Lastly, we study the financial benefits and costs of legal expertise. We 
show that legal expertise is associated with more favorable target pricing, i.e., lower prices for buyers 
and higher prices for sellers. Moreover, we cannot detect that acquisition prices reflect the 
negotiated contract clauses, which implies that lawyer with high expertise negotiate better contract 
clauses and ensure that their clients do not have to pay for them. More expertise does not come 
with higher legal fees, as high‐expertise lawyers economize on transaction costs by shortening 
negotiation times. 

20 
 
References 

Ackerberg,  D.A.,  and  M.  Botticini,  2002,  Endogenous  matching  and  the  financial  determinants  of 
contract design, Journal of Political Economy 110, 564‐591. 

Bao,  J.,  and  A.  Edmans,  2011,  Do  investment  banks  matter  for  M&A  returns?,  Review  of  Financial 
Studies 24, 2286‐2315. 

Bargeron, L.L., F.P. Schlingemann, R.M. Stulz, and C.J. Zutter, 2008, Why do private acquirers pay so 
little compared to public acquirers?, Journal of Financial Economics 89, 375‐390. 

Beatty R., and I. Welch, 1996, Issuer expenses and legal liability in initial public offerings, Journal of 
Law and Economics 39, 545‐602. 

Betton, S., B.E. Eckbo, and K.S. Thorburn, 2007, Corporate Takeovers, in B.E. Eckbo, ed. Handbook of 
Corporate  Finance:  Empirical  Corporate  Finance  2,  Chapter  15  (Elsevier  North‐Holland, 
Amsterdam, Netherlands). 

Boone, A.L., and J.H. Mulherin, 2007, How are firms sold?, Journal of Finance 62, 847‐875.  

Cain,  M.,  D.J.  Denis,  and  D.K.  Denis,  2011,  Earnouts:  A  study  of  financial  contracting  in  acquisition 
agreements, Journal of Accounting and Economics 51, 151‐170. 

Coates,  J.C.,  2012,  Allocating  risk  through  contract:  Evidence  from  M&A  and  policy  implications, 
Working Paper, Harvard Law School. 

Coates,  J.C.,  M.M.  DeStefano,  A.  Nanda,  and  D.B.  Wilkins,  2011,  Hiring  teams,  firms,  and  lawyers: 
Evidence of the evolving relationships in the corporate legal market, Law & Social Inquiry 36, 999‐
1031. 

Datar, S, R.   Frankel,  and  M. Wolfson, 2001, Earnouts: The effects of adverse selection and agency 

costs on acquisition techniques, Journal of Law, Economics & Organization 17,201–238. 

Denis, D.J., and A.J. Macias, 2013, Material adverse change clauses and acquisition dynamics, Journal 
of Financial and Quantitative Analysis 48, 819‐847.  

Erel, I., R.C. Liao, and M.S. Weisbach, 2012, Determinants of cross‐border mergers and acquisitions, 
Journal of Finance 67, 1045‐1082. 

Ertugul, M., and K. Krishnan, 2011, Advisor skill and acquisition performance: Do investment bankers 
make a difference? Working Paper, Northeastern University. 

Frankel,  M.E.S.,  2005,  Mergers  and  Acquisitions  Basics.  The  Key  Steps  of  Acquisitions,  Divestitures, 
and Investments (John Wiley & Sons, Inc., Hoboken, New Jersey). 

Freund,  J.,  1975,  Anatomy  of  a  Merger:  Strategies  and  Techniques  for  Negotiating  Corporate 
Acquisitions (Law Journal Press, New York). 

Garoupa, N., and F. Gomez‐Pomar, 2008, Cashing by the hour: Why large law firms prefer hourly fees 
over contingent fees, Journal of Law, Economics & Organization 24, 458‐475. 

Gilson, R.J., 1984, Value creation by business lawyers: legal skills and asset pricing, Yale Law Journal 
94, 239‐313. 

21 
 
Gilson,  R.J.,  and  A.  Schwartz,  2005,  Understanding  MACs:  Moral  hazard  in  acquisitions,  Journal  of 
Law, Economics and Organization 21,330‐358. 

Gilson,  R.J.,  R.H.  Mnookin,  and  B.P.  Pashigian,  1985,  Sharing  among  the  human  capitalists:  An 
economic inquiry into the corporate law firm and how partners split profits, Stanford Law Review 
37, 313‐397. 

Golubov, A., D. Petmezas, and N. Travlos, 2012, It pays to pay your investment banker: New evidence 
on the role of financial advisors in M&As, Journal of Finance 67, 271‐311. 

Grossman,  S.J.,  1981,  The  information  role  of  warranties  and  private  disclosure  about  product 
quality, Journal of Law and Economics 24, 461‐483.  

Harford, J., 1999, Corporate cash reserves and acquisitions, Journal of Finance 54, 1969‐1997. 

Hart, O. and J. Moore, 2008, Contracts as reference points, Quarterly Journal of Economics 73, 1‐48. 

Inderst, R. and H. Müller, 2004, The effect of capital market characteristics on the value of start‐up 
firms, Journal of Financial Economics 72, 319‐356. 

Kale, J.R., O. Kini, and H.E. Ryan, Jr., 2003, Financial advisors and shareholder wealth gains in 
corporate takeovers, Journal of Financial and Quantitative Analysis 38, 475‐501. 

Kling,  L.R,  E.N.  Simon,  and  M.  Goldman,  1997,  Summary  of  acquisition  agreements,  Miami  Law 
Review 51, 779‐813. 

Krishnan,  C.N.V.,  and  P.A.  Laux,  2008,  Legal  advisors:  Popularity  versus  economic  performance  in 
acquisitions, Journal of Corporate Ownership and Control 6, 475‐500. 

Krishnan, C.N.V, R.W. Masulis, R.S. Thomas, and R.B. Thompson, 2012, Shareholder litigation in 
mergers and acquisitions, Journal of Corporate Finance 18, 1248‐1268. 

Lang, L.H.P., R.M. Stulz, and R.A. Walkling, 1991, A test of the free cash flow hypothesis. The case of 
bidder returns, Journal of Financial Economics 29, 315‐335. 

MacLeod, 2007, Reputations, relationships and contract enforcement, Journal of Economic Literature 
45, 597‐630. 

Martinius, P., 2005, M&A ‐ Protecting the purchaser, Chapter 1 in P. Martinius, ed.: (2nd ed.) M&A‐
Protecting the Purchaser (Kluwer Law International, The Hague, Netherlands). 

Masulis,  R.W.,  C.  Wang,  and  F.  Xie,  2007,  Corporate  governance  and  acquirer  returns,  Journal  of 
Finance 62, 1851‐1889. 

Masulis, R.W., and R. Nahata, 2011, Venture capital conflicts of interest: Evidence from acquisitions 
of venture‐backed firms, Journal of Financial and Quantitative Analysis 46, 395‐430. 

Matsunaga, S., T. Shevlin, and D. Shores, 1992, Disqualifying dispositions of incentive stock options: 
Tax benefits versus financial reporting, Journal of Accounting Research 30, 37‐68. 

Miller, E.L. Jr., 2008, Mergers and Acquisitions: A Step‐by‐Step Legal and Practical Guide (John Wiley 
& Sons, Inc., Hoboken, New Jersey). 

22 
 
Moeller,  T.,  2005,  Let’s  make  a  deal!  How  shareholder  control  impacts  merger  payoffs,  Journal  of 
Financial Economics 76, 167‐190. 

Molod, A.H., 1994, Forms and Paperwork, Chapter 30 in M.L. Rock, R.H. Rock and M. Sikora, eds.: (2nd 
ed.) The Mergers and Acquisitions Handbook (McGraw‐Hill, Inc, New York, USA).  

Mnookin, R. H., S. Peppet, and A. Tulumello, 2000, Beyond Winning: Negotiating to Create Value in 
Deals and Disputes (Harvard University Press, Cambridge). 

Rau,  P.R.,  2000,  Investment  bank  market  share,  contingent  fee  payments,  and  the  performance  of 
acquiring firms, Journal of Financial Economics 56, 293‐324. 

Rubinstein, A., 1982, Perfect equilibrium in a bargaining model, Econometrica 50, 97‐109. 

Sen,  A.,  2000,  Multidimensional  bargaining  under  asymmetric  information,  International  Economic 
Review 41, 425‐450. 

Servaes, H., and M. Zenner, 1996, The role of investment banks in acquisitions, Review of Financial 
Studies 9, 787‐815. 

Spence,  M.,  1977,  Consumer  misperception,  product  failure  and  producer  liability,  Review  of 
Economic Studies 44, 561‐572. 

Stulz, R.M., R.A. Walkling, and M.H. Song, 1990, The distribution of target ownership and the division 
of gains in successful acquisitions, Journal of Finance 45, 817‐833. 

Yermack,  D.,  1992,  Do  corporations  award  CEO  stock  options  effectively?  Journal  of  Financial 
Economics 39, 237‐269. 

Wang, C, F. Xie, and K. Zhang, 2014, Expert advice: Industry expertise of financial advisors in Mergers 
and Acquisitions, Working Paper, Clemson University. 

23 
 
 Table 1  
Sample Characteristics: Summary Statistics 
 
Panel  A  provides  summary statistics of  target,  buyer,  seller,  and deal  characteristics. Panel  B  reports  information  on  the  types  of 
buyers  and  sellers.  Panel  C  provides  geographic,  advisor,  and  industry  statistics.  Panel  D  reports  information  on  the  geographic 
location of buyers and sellers. The sample consists of 151 acquisitions of private targets between 2005 and 2010. Not all variables 
are available for all deals. Statistics are reported at the deal level. Detailed variable definitions are provided in Appendix A‐1. 
 
Panel A: Target, Buyer, Seller, and Deal Characteristics 
th th
   Mean  Median  25   75   Std. Dev.  Obs. 
Target                   
Purchase Price (mEUR)  222 34 10 174 795  151
Target Book Value (mEUR)  318 45 8 147 990  146
Target Market Value (mEUR)   434  80  20  232  1291  146 
Target Leverage  59%  60%  36%  81%  30%  146 
Target EBIT/Assets  14%  14%  5%  15%  15%  151 
Asset Deal  9%  151 
Buyer                   
Buyer Book Value (mEUR)  40028 1408 414 8645 138859  150
Buyer Deal Experience  11  4  1  15  16  147 
Buyer In‐house Lawyer  5%  151 
Buyer Bank Top 10  15%  151 
Buyer Law Firm Top 10  19%  151 
Buyer Law Firm Switch  31% 147
Seller                   
Seller Book Value (mEUR)  90761  2079  42  23913  316029  147 
Seller Deal Experience  12  4  0  21  16  151 
Seller In‐house Lawyer  11%  151 
Seller Bank Top 10  15% 151
Seller Law Firm Top 10  12% 151
Seller Law Firm Switch  11% 151
Deal    
Cross‐Country Deal  44%  151 
Approvals Required (Number)  1.0  0.0  0.0  1.0  1.8  151 
Controlled Auction  23%  151 
Negotiation Time  170 141 74 228 134  147
Seller Fee Lawyer (mEUR)  2.9 0.9 0.4 3.1 5.5  131
Buyer Fee Lawyer (mEUR)  3.8  1.5  0.6  4.5  5.9  139 
Seller Fee Lawyer/Purchase Price  9%  2%  1%  7%  29%  130 
Buyer Fee Lawyer/Purchase Price  9%  4%  1%  13%  79%  138 
 
Panel B: Cross‐Table of Buyer and Seller Types 

   Seller Type 
Strategic  Family Private Equity Financial Government  Total 
Strategic  38%  13%  8%  3%  1%  64% 
Buyer  Family  1%  0%  0%  1%  0%  1% 
Type  Private Equity  11%  4% 6% 1% 0%  22% 
Financial  3%  0% 1% 2% 0%  7% 
Government  5%  1%  0%  0%  1%  7% 
   Total  58%  18% 15% 7% 2%  100% 

 
   

 
 
 
Table 1 (continued) 
 
Panel C: Target, Buyer, and Seller Location and Industry 
  
Location  Target Buyer Seller 
The Netherlands  85%  59%  79% 
Western Europe (excl. NL)  9%  26%  15% 
North America  2% 9% 3% 
Rest of World  3% 6% 3% 
Industry  Target Buyer Seller 
Insurance & Real Estate  11%  37%  45% 
Manufacturing  28%  17%  23% 
Public Administration  0% 0% 1% 
Services  32% 16% 5% 
Transportation & Communication 9% 10% 7% 
Wholesale Trade  12%  13%  11% 
Other Industry  8%  7%  8% 
 
Panel D: Cross‐Table Buyer and Seller Locations 
          
   Seller Location 
The  Europe  North America  Rest of World  Total 
   Netherlands  (excl. NL) 
The Netherlands  48%  10%  0%  1%  59% 
Buyer  Europe (excl. NL)  20%  3%  1%  2%  26% 
Location  North America  7%  1%  1%  0%  9% 
Rest of World  4%  1%  1%  0%  6% 
   Total  79%  15%  3%  3%  100% 

 
   

 
 
 Table 2  
Negotiation Outcomes: Summary Statistics 
 
Panel  A  provides  summary  statistics  of  negotiation  outcomes.  Panel  B  reports  correlation  of  these  negotiation  outcomes.  The 
sample consists of 151 acquisitions of private targets between 2005 and 2010. Not all variables are available for all deals. Statistics 
are reported at the deal level. Detailed variable definitions are provided in Appendix A‐1. * indicates significance at the 5% level.   
 
Panel A: Negotiation Outcomes 
 
th th
   Mean  Median  25   75   Std. Dev.  Obs. 
Contract Design    
Warranties  98  100  27  152  49  150 
%Warranties w/o Qualifier  86% 89% 76% 99% 12%  150
%Info Warranties w/o Qualifier  75% 80% 51% 97% 20%  149
%Risk Warranties w/o Qualifier  94%  96%  88%  100%  10%  150 
Legal Compliance Warranty w/o Qualifier  83%              150 
Warranties Not Material  81% 150
%Payment Secured  5%  0%  0%  21%  9%  149 
Covenants  14  14  0  31  13  151 
MAC Clause  34%              151 
Bargaining Process                   
First Draft By Buyer  44% 151
Closing Time    46 24 0 123 66  151
Pricing                   
Acquisition Premium  2.4  1.6  1.0  5.1  2.3  146 
Earnout  18%  151 
Purchase Price Adjustment  52%              151 

 
Panel B: Correlations 
                                      
      (1)  (2)  (3)  (4)  (5)  (6)  (7)  (8)  (9)  (10)  (11) 
Warranties  (1)  1.00
%Warranties w/o Qual.  (2)  0.02 1.00
Legal Compliance Warranty w/o Qualifier  (3)  ‐0.01  0.35*  1.00 
Warranties Not Material  (4)  0.26*  0.21*  0.06  1.00 
%Payment Secured  (5)  0.26*  0.15  0.04  0.18*  1.00 
Covenants  (6)  0.23* 0.01 ‐0.07 0.22* ‐0.05 1.00
MAC Clause  (7)  0.22*  ‐0.02  0.01  0.08  0.05  0.34*  1.00 
First Draft By Buyer  (8)  0.24*  0.28*  0.19*  0.22*  0.31*  ‐0.27*  0.10  1.00 
Closing Time  (9)  ‐0.01 ‐0.12 ‐0.09 0.13 ‐0.12 0.48* 0.21*  ‐0.29*  1.00
Acquisition Premium  (10)  0.19* 0.12 0.00 0.07 0.16 ‐0.10 ‐0.05  0.16  ‐0.09 1.00
Earnout  (11)  0.05  0.12  ‐0.07  0.05  0.12  ‐0.17*  0.03  0.11  ‐0.10  0.31*  1.00 
Purchase Price Adjustment  (12)  0.24*  0.03  ‐0.03  0.03  0.02  0.11  0.15  ‐0.11  0.06  ‐0.02  0.03 

 
 
 Table 3 
Relative Lawyer Expertise: Summary Statistics 
 
This tables reports summary statistics of Relative Lawyer Expertise, which is an index that measures relative lawyer expertise (Buyer 
Lawyer Expertise/Seller Lawyer Expertise). The table also reports summary statistics of the six components that are used to create 
the index. The index and its components have been standardized to range between 0 and 1. Higher (lower) values indicate more 
legal expertise on the side of the buyer (seller) lawyer. Relative Lawyer Expertise averages the following six index components that 
measure  the  specific  expertise  of  the  buyer  lawyer  relative  to  that  of  the  seller  lawyer:  Years  as  Partner;  Deal  Experience;  M&A 
Specialist; Chambers Recommendation; Law School Ranking; US Education. Panel A reports means and medians of Relative Lawyer 
Expertise and the six index components. It also reports for what percentage of the sample: (i) the seller lawyer has more expertise 
than the buyer lawyer; (ii) both have the same expertise; and (iii) the buyer lawyer has more expertise than the seller lawyer. Years 
as Partner, Deal Experience, and Law School Ranking are based on continuous variables and defined as the expertise value of the 
buyer  lawyer  divided  by  the  expertise  value  of  the  seller  lawyer.  (We  use  inverse  values  of  the  ranking  position  for  Law  School 
Ranking  to  ensure  that  higher  values  reflect  higher  university  quality).  M&A  Specialist,  Chambers  Recommendation,  and  US 
Education are based on dummy variables and can take three values: 0 if the seller lawyer has more expertise; 0.5 if both have the 
same expertise; and 1 if the buyer lawyer has more expertise. Panel B reports rank correlations of Relative Lawyer Expertise and the 
six index components. The sample consists of 151 acquisitions of private targets between 2005 and 2010. * indicates significance at 
the 5% level.   
 
Panel A: Relative Lawyer Expertise 
           
Summary Statistics Buyer Layer Expertise Relative to 
Seller Lawyer Expertise 
   Mean  Median Buyer < Seller Buyer = Seller Buyer > Seller  Obs.
Index       
Relative Lawyer Expertise  0.41  0.37 71% 0% 29%  111
Index Components       
Years as Partner  0.37  0.23 69% 6% 25%  121
Deal Experience  0.25  0.08 80% 0% 20%  127
M&A Specialist  0.55  0.50 9% 71% 20%  132
Chambers Recommendation  0.59  0.50 17% 48% 35%  151
Law School Ranking  0.22  0.09 84% 0% 16%  125
US Education  0.50  0.50 19% 62% 19%  129
 
Panel B: Spearman Rank Correlations 
        
Relative  Years  Deal  M&A  Chambers  Law  US 
Lawyer  as  Experience  Specialist  Recommend.  School  Education 
Expertise  Partner  Ranking 
Relative Lawyer Expertise  1 
Years as Partner  0.67*  1
Deal Experience  0.64*  0.44* 1
M&A Specialist  0.67*  0.49* 0.65* 1   
Chambers Recommendation  0.65*  0.29* 0.62* 0.49* 1
Law School Ranking  0.73*  0.42* 0.31* 0.36* 0.21* 1 
US Education  0.67*  0.33* 0.09 0.25* 0.21* 0.76*  1
 
 
 
 
 
  
 
 
   

 
 
 Table 4 
Negotiation Outcomes and Relative Lawyer Expertise: Basic Results 
 
This table reports OLS and logit regressions at the deal level to explain the relation between Relative Lawyer Expertise and different 
negotiation outcomes in M&A transactions. Relative Lawyer Expertise is an index that ranges between 0 and 1, where higher (lower) 
values  indicate  more  legal  expertise  on  the  buyer  side  (seller  side).  The  sample  consists  of  151  acquisitions  of  private  targets 
between 2005 and 2010. Each column contains a regression with a different dependent variable (listed horizontally). The regression 
in Column 5 only contains deals where signing and closing where not on the same day as MAC clauses are otherwise not relevant. 
Detailed variable definitions are provided in Appendix A‐1. We report in parentheses t‐statistics, calculated using robust standard 
errors. The regressions have less than 151 observations because of missing data for some variables. *** indicates significance at 1%, 
** at 5%, and * at 10%. 
                          
  Contract Design    Bargaining Process 
Dependent Variable:  %Warranties  Legal  Warranties  %Payment  MAC Clause    First Draft By  Closing Time
w/o Qualifier  Compliance  Not Material  Secured  Buyer 
Warranty 
w/o Qualifier 
   (1)  (2)  (3)  (4)  (5)     (6)  (7) 
Relative Lawyer Expertise  0.16***  2.48* 4.62*** ‐0.00 3.06** 3.70** ‐77.85**
(2.70)  (1.77)  (2.77)  (‐0.03)  (2.12)  (2.46)  (‐2.39) 
Acquisition Premium  0.01  ‐0.08  ‐0.15  ‐0.01  ‐0.71**  ‐0.25  0.71 
(0.99)  (‐0.39)  (‐0.72)  (‐1.02)  (‐2.21)  (‐0.90)  (0.17) 
Warranties  0.00  ‐0.01  0.01  0.00* 
(0.05)  (‐1.02) (1.23) (1.91)
Cross‐Country Deal  ‐0.04  ‐0.61 ‐0.85 ‐0.02 ‐0.02 ‐2.06*** 0.02
(‐1.50)  (‐1.03) (‐1.24) (‐1.18) (‐0.03) (‐3.96) (0.00)
Log(Target Book Value)  ‐0.01  ‐0.07  ‐0.18  ‐0.01*  ‐0.58**  ‐0.57***  5.01 
(‐0.97)  (‐0.42)  (‐0.92)  (‐1.89)  (‐2.26)  (‐2.77)  (1.43) 
Asset Deal  0.02  ‐0.59  ‐0.97  ‐0.02  ‐1.53  ‐1.42  39.39* 
(0.56)  (‐0.51) (‐1.11) (‐1.07) (‐0.80) (‐0.90) (1.69)
Relative Size  0.00  0.06 0.14 0.01*** 0.10 0.23** 4.54*
(0.07)  (0.49) (0.87) (2.97) (0.70) (2.01)  (1.73)
Seller Bank Top 10  ‐0.02  0.12  0.21  ‐0.02  ‐0.24  0.05  19.68 
(‐0.40)  (0.14)  (0.21)  (‐1.21)  (‐0.37)  (0.06)  (1.08) 
Buyer Bank Top 10  0.02  0.59  0.32  ‐0.01  1.66*  0.25  ‐20.02 
(0.64)  (0.73) (0.44) (‐0.25) (1.89) (0.29)  (‐1.38)
Approvals Required  12.15***
(2.99) 
Constant  0.93***  1.59  2.17  0.18*  8.67*  9.26**  ‐67.43 
   (7.06)  (0.42)  (0.57)  (1.67)  (1.65)  (2.14)  (‐0.98) 
Year Fixed‐Effects  Yes  Yes Yes Yes Yes    Yes  Yes
Obs.  105  98 105 104 74 105  105
Adjusted/Pseudo R‐sq.  0.098  0.101 0.232 0.174 0.267    0.359  0.205
 
 
 
 
 
 
 
 

 
 
 Table 5 
Negotiation Outcomes and Relative Lawyer Expertise: Fixed‐Effects Regressions 
 
This table reports OLS and logit regressions at the deal level to explain the relation between Relative Lawyer Expertise and different 
negotiation outcomes in M&A transactions. Relative Lawyer Expertise is an index that ranges between 0 and 1, where higher (lower) 
values indicate more legal expertise on the buyer side (seller side). Panel A reports regressions with drafting law firm fixed‐effects. 
Drafting law firms are law firms that provided the first contract draft for the takeover negotiations. Panel B reports regressions with 
client fixed‐effects. We account for client fixed‐effects by a including dummy variable for each client that was involved in at least 
three  transactions  in  the  sample.  A  client  can  be  in  involved  in  a  transaction  as  a  buyer,  seller,  or  both.  Out  of  all  clients  in  our 
sample, a total of 19 were involved in at least three deals. Panel C reports regressions that contain lawyer fixed‐effects. We account 
for lawyer fixed‐effects by including a dummy variable for each lawyer of the law firm that provided the data that was involved in at 
least three transactions in the sample. These lawyers advised either buyer or sellers. Out of all 20 lawyers of our law firm, a total of 
14  advised  on  at  least  three  deals.  Each  column  in  each  panel  contains  a  regression  with  a  different  dependent  variable  (listed 
horizontally). The regression in Column 5 only contains deals where signing and closing where not on the same day as MAC clauses 
are  otherwise  not  relevant.  Detailed  variable  definitions  are  provided  in  Appendix  A‐1.  We  report  in  parentheses  t‐statistics, 
calculated using robust standard errors. *** indicates significance at 1%, ** at 5%, and * at 10%. 
 
                          
Contract Design    Bargaining Process 
Dependent Variable:  %Warranties  Legal  Warranties  %Payment  MAC     First Draft  Closing 
w/o  Compliance  Not  Secured  Clause  By Buyer  Time 
Qualifier  Warranty  Material 
w/o 
Qualifier 
   (1)  (2)  (3)  (4)  (5)     (6)  (7) 
Panel A: Drafting‐Law‐Firm Fixed‐Effects
Relative Lawyer Expertise  0.13**  3.67*  5.40***  ‐0.02  4.79**  4.19***  ‐45.08 
   (2.44)  (1.94)  (2.87)  (‐0.35)  (2.21)     (2.77)  (‐1.45) 
Controls as in Table 4  Yes  Yes  Yes  Yes  Yes  Yes  Yes 
Year Fixed‐Effects  Yes  Yes  Yes  Yes  Yes  Yes  Yes 
Drafting‐Law‐Firm Fixed‐Effects  Yes  Yes Yes Yes Yes     Yes Yes
Obs.  105  84  79  104  66  98  105 
Adjusted/Pseudo R‐sq.  0.330  0.190  0.401  0.150  0.421     0.491  0.347 
Panel B: Client Fixed‐Effects 
Relative Lawyer Expertise  0.19**  0.91 7.93** 0.03 5.34*  7.06*** ‐76.75**
   (2.53)  (0.46) (2.19) (0.63) (1.82)     (2.84) (‐2.15)
Controls as in Table 4  Yes  Yes Yes Yes Yes  Yes Yes
Year Fixed‐Effects  Yes  Yes Yes Yes Yes  Yes Yes
Client Fixed‐Effects  Yes  Yes Yes Yes Yes     Yes Yes
Obs.  105  83 85 104 57  93 105
Adjusted/Pseudo R‐sq.  0.067  0.332 0.368 0.143 0.391     0.424 0.297
Panel C: Lawyer Fixed‐Effects 
Relative Lawyer Expertise  0.09*  2.00  3.49*  ‐0.04  6.99***     4.84***  ‐44.03 
   (1.80)  (1.07)  (1.80)  (‐0.75)  (2.65)     (2.85)  (‐1.19) 
Controls as in Table 4  Yes  Yes Yes Yes Yes  Yes Yes
Year Fixed‐Effects  Yes  Yes  Yes  Yes  Yes  Yes  Yes 
Lawyer Fixed‐Effects  Yes  Yes  Yes  Yes  Yes     Yes  Yes 
Obs.  96  71  77  95  64  92  96 
Adjusted/Pseudo R‐sq.  0.090  0.160  0.438  0.174  0.352     0.417  0.323 
 
 
 
   

 
 
 Table 6 
Client‐Law Firm Assignments 
 
This  table  analyses  client‐law  firm  assignments. Panel A  report summary  statistics  at the  deal level on  law  firm  switches. Panel B 
reports  logit  regressions  at  the  deal  level  to  explain  law  firm  switches.  We  define  law  firm  switches  as  situations  where  a  seller 
(buyer) that has performed a prior M&A deal (over the past 5 years) switches from the previous law firm to a new law firm. Panel C 
and  D report  regressions  for  two  subsamples  of  deals where  concerns  over  endogenous lawyer assignments are  less  severe.  The 
regressions in Panel C contain only those 91 repeat deals where we know that neither the buyer nor the seller has switched froma 
previous to a new law firm. The regressions in Panel D contain only those 100 deals where we know that the law firm that provided 
our data has established a client‐law firm relation prior to the current transaction. In 51 (49) of these deals our law firm advised the 
seller  (buyer).  Each  column  in  Panel  C  and  D  contains  a  regression  with  a  different  dependent  variable  (listed  horizontally).  The 
regression in Column 5 only contains deals where signing and closing where not on the same day as MAC clauses are otherwise not 
relevant. Detailed variable definitions are provided in Appendix A‐1. We report in parentheses t‐statistics, calculated using robust 
standard errors. *** indicates significance at 1%, ** at 5%, and * at 10%. 
 
Panel A: Statistics on Law Firm Switches 
              
Deal Party     Sellers  Buyers 
All Deals  151 151 
less:  Use of In‐house Lawyer  16  7 
No Prior M&A Deal (past 5 Years) 43 30 
   No Information  0 2 
Deals where Party has Done Prior M&A Deal (past 5 Years)  92  112 
thereof:  No Law Firm Switch  75 (82%)  66 (59%) 
   Law Firm Switch     17 (18%)  46 (41%) 
 
Panel B: Determinants of Law Firm Switches 
                 
Dependent Variable:  Seller Law Firm    Buyer Law Firm 
Reassignment  Reassignment 
   (1)  (2)     (3)  (4) 
Cross‐Country Deal  0.42  0.75  2.18***  2.56*** 
(0.70)  (1.15)  (4.24)  (4.18) 
Log(Target Book Value)  0.09  0.07  0.16  0.21 
(0.58)  (0.37)  (1.35)  (1.39) 
Seller Lawyer Expertise  ‐0.05
(‐0.04)
Buyer Lawyer Expertise  ‐0.01 
(‐0.01) 
Relative Size  ‐0.09  ‐0.04  ‐0.00  ‐0.02 
(‐1.05)  (‐0.34)  (‐0.01)  (‐0.22) 
Seller Bank Top 10  0.24 0.29 0.58 ‐0.22 
(0.24) (0.27) (0.81) (‐0.29) 
Buyer Bank Top 10  ‐0.93  ‐0.69  ‐0.74  ‐0.87 
(‐0.95)  (‐0.69)  (‐1.17)  (‐1.08) 
Constant  ‐3.43  ‐3.45  ‐4.03  ‐5.23 
   (‐1.13)  (‐1.10)  (‐1.48)  (‐1.54) 
Year Fixed‐Effects  Yes  Yes     Yes  Yes 
Obs.  117 100 140 125 
Pseudo R‐sq.  0.056  0.055     0.209  0.243 
 
 
 
 
 
 
 
 
   

 
 
 Table 6 (continued) 
 

 
Panel C: Subsample Analysis: Exclude Deals with Client‐Law Firm Switches 
           
Contract Design   Bargaining Process
Dependent Variable:  %Warranties  Legal  Warranties  %Payment  MAC     First Draft  Closing Time 
w/o Qualifier  Compliance  Not  Secured  Clause  By Buyer 
Warranty  Material 
w/o Qualifier 
   (1)  (2)  (3)  (4)  (5)     (6)  (7) 
Relative Lawyer Expertise  0.20***  3.10  8.68**  ‐0.00  7.48*  3.30**  ‐67.76 
   (3.20)  (1.33)  (2.48)  (‐0.01)  (1.94)     (2.01)  (‐1.51) 
Controls as in Table 4  Yes  Yes Yes Yes Yes Yes  Yes
Year Fixed‐Effects  Yes  Yes  Yes  Yes  Yes     Yes  Yes 
Obs.  63  59 63 63 40 63  63
Adjusted/Pseudo R‐sq.  0.142  0.283 0.395 0.233 0.452     0.344 0.434
 
Panel D: Subsample Analysis: Repeat Deals with Our Law Firm 
                          
Contract Design   Bargaining Process
Dependent Variable:  %Warranties  Legal  Warranties  %Payment  MAC     First Draft  Closing Time
w/o Qualifier  Compliance  Not  Secured  Clause  By Buyer 
Warranty  Material 
w/o Qualifier 
   (1)  (2) (3) (4) (5)    (6)  (7)
Relative Lawyer Expertise  0.22**  3.81**  7.10**  0.04  4.50**  1.65  ‐115.13** 
   (2.60)  (2.19) (2.39) (0.73) (2.26)     (0.78) (‐2.30)
Controls as in Table 4  Yes  Yes  Yes  Yes  Yes  Yes  Yes 
Year Fixed‐Effects  Yes  Yes  Yes  Yes  Yes     Yes  Yes 
Obs.  67  63  63  67  43  67  67 
Adjusted/Pseudo R‐sq.  0.136  0.233  0.337  0.238  0.337     0.452  0.375 

 
 
 Table 7 
Two‐Sided Lawyer Expertise Matching 
 
This  table  reports  OLS  regressions  at  the  deal  level  to  explain  the  relation  between  Seller  Lawyer  Expertise  and  Buyer  Lawyer 
Expertise. Seller Lawyer Expertise (Buyer Lawyer Expertise) is an index that ranges between 0 and 1, where higher values indicate 
more legal expertise on the seller side (buyer side). The sample consists of 151 acquisitions of private targets between 2005 and 
2010.  Detailed  variable  definitions  are  provided  in  Appendix  A‐1.  We  report  in  parentheses  t‐statistics,  calculated  using  robust 
standard errors. *** indicates significance at 1%, ** at 5%, and * at 10%.  
                 
Dependent Variable:  Seller Lawyer Expertise  Buyer Lawyer Expertise 
   (1) (2) (3) (4) 
Buyer Lawyer Expertise  ‐0.07 ‐0.05
(‐0.60) (‐0.37)
Seller Lawyer Expertise  ‐0.05  ‐0.03 
(‐0.61)  (‐0.38) 
Cross‐Country Deal  ‐0.01  0.07 
(‐0.23)  (1.31) 
Log(Target Book Value)  0.03** 0.01 
(2.08) (0.47) 
Asset Deal  0.05  ‐0.08 
(0.50)  (‐0.97) 
Relative Size  ‐0.03***  0.02* 
(‐2.83)  (1.93) 
Seller Bank Top 10  0.04 0.03 
(0.72) (0.40) 
Buyer Bank Top 10  0.03  0.06 
(0.63)  (1.15) 
Seller Law Firm Switch  0.03 
(0.35) 
Buyer Law Firm Switch  0.01 
(0.25) 
Constant  0.47***  0.10  0.49***  0.34 
   (7.08)  (0.29)  (11.91)  (1.29) 
Year Fixed‐Effects  Yes Yes Yes Yes 
Obs.  111  105  111  105 
Adjusted R‐sq.  ‐0.006 0.174 ‐0.006 0.071 
 
 
 
 
 
 
   

 
 
 Table 8 
Relative Lawyer Expertise: Placebo Regressions and Warranty Categories 
 
This table reports in Columns 1 to 4 OLS and logit regressions to explain the relation between Relative Lawyer Expertise and four 
measures of contract design for which incentives of buyers and sellers are likely to be aligned: Warranties; Covenants; Earnout; and 
Purchase Price Adjustment. Columns 5 and 6 report regressions for two contract variables that are based on separating %Warranties 
w/o  Qualifier  into  %Info  Warranties  w/o  Qualifier  and  %Risk  Warranties  w/o  Qualifier.  %Info  Warranties  w/o  Qualifier  identifies 
warranties  that  primarily  overcome  information  asymmetry  and  measures  the  percentage  of  these  warranties  that  are  qualified 
with  a  knowledge  qualifier.  %Risk  Warranties  w/o  Qualifier  identifies  warranties  that  primarily  allocate  risk  and  measures  the 
percentage  of  these  warranties  that  are  qualified  with  a  knowledge  qualifier.  Relative  Lawyer  Expertise  is  an  index  that  ranges 
between 0 and 1, where higher (lower) values indicate more legal expertise on the buyer side (seller side). The sample consists of 
151 acquisitions of private targets between 2005 and 2010. The regressions in Columns 2 and 4 only contain deals where signing 
and  closing  where  not  on  the  same  day  as  covenants  and  purchase  price  adjustments  are  otherwise  not  relevant.  The  sample 
consists of 151 acquisitions of private targets between 2005 and 2010. Detailed variable definitions are provided in Appendix A‐1. 
We report in parentheses t‐statistics, calculated using robust standard errors. *** indicates significance at 1%, ** at 5%, and * at 
10%. 
                       
Dependent Variable:  Warranties  Covenants  Earnout  Purchase    %Info  %Risk 
Price  Warranties  Warranties 
Adjustment  w/o  w/o 
Qualifier  Qualifier 
   (1)  (2)  (3)  (4)     (5)  (6) 
Relative Lawyer Expertise  0.94  ‐1.36 0.76 0.68 0.06  0.33***
(0.04)  (‐0.19)  (0.43)  (0.47)  (1.13)  (3.19) 
Acquisition Premium  2.87  1.53  0.01  0.00 
(1.03)  (1.44)  (1.20)  (0.18) 
Cross‐Country Deal  18.43*  ‐0.59 1.12 0.69 ‐0.03*  ‐0.05
(1.79)  (‐0.22) (1.36) (1.17) (‐1.73)  (‐1.25)
Log(Target Book Value)  ‐2.90  1.71* ‐1.05*** ‐0.11 ‐0.00  ‐0.02
(‐1.09)  (1.93)  (‐4.34)  (‐0.55)  (‐0.14)  (‐1.42) 
Asset Deal  ‐39.93***  ‐12.71***  2.00  0.60  0.01  0.16** 
(‐2.77)  (‐4.64)  (1.61)  (0.60)  (0.45)  (2.31) 
Relative Size  0.89  0.66 0.00 0.04 0.00  0.00
(0.40)  (1.14) (0.00) (0.34) (0.16)  (0.05)
Seller Bank Top 10  11.85  3.49 0.69 ‐0.61 ‐0.03  0.00
(0.99)  (1.30)  (0.60)  (‐0.78)  (‐0.57)  (0.04) 
Buyer Bank Top 10  5.64  0.91  1.37  1.28  0.02  0.05 
(0.55)  (0.32)  (1.37)  (1.46)  (0.87)  (0.85) 
Approvals Required  0.35** 0.10
(2.23) (0.57)
Warranties  0.00  0.00
(0.02)  (1.31) 
Constant  120.12**  ‐15.38  15.68***  1.86  0.96***  0.86*** 
   (2.28)  (‐0.84)  (3.51)  (0.47)     (7.56)  (3.51) 
Year Fixed‐Effects  Yes  Yes  Yes  Yes     Yes  Yes 
Obs.  105  74 105 74 105  105
Adjusted/Pseudo R‐sq.   0.114  0.152 0.339 0.141 ‐0.002  0.148
 
 
 
 
 
 
  
 
  
 
 

 
 
 Table 9 
Acquisition Prices and Relative Lawyer Expertise 
 
This  table  reports  OLS  regressions to  explain  the  relation  between  Relative  Lawyer Expertise  and  the prices in  M&A  transactions. 
Relative Lawyer Expertise is an index that ranges between 0 and 1, where higher (lower) values indicate more legal expertise on the 
buyer  side  (seller  side).  The  sample  consists  of  151  acquisitions  of  private  targets  between  2005  and  2010.  Detailed  variable 
definitions  are  provided  in  Appendix  A‐1.  We  report  in  parentheses  t‐statistics,  calculated  using  robust  standard  errors.  The 
regressions have less than 151 observations because of missing data for some variables. *** indicates significance at 1%, ** at 5%, 
and * at 10%. 
                       
Dependent Variable:  Acquisition Premium 
   (1)  (2)  (3)  (4)  (5)  (6)  (7) 
Relative Lawyer Expertise  ‐2.01**  ‐2.19** ‐2.00** ‐1.95** ‐1.99**  ‐1.82** ‐1.96**
(‐2.34)  (‐2.36)  (‐2.27)  (‐2.15)  (‐2.30)  (‐2.29)  (‐2.15) 
Log(Target Book Value)  ‐0.49***  ‐0.48***  ‐0.49***  ‐0.50***  ‐0.51***  ‐0.50***  ‐0.50*** 
(‐5.34)  (‐5.07)  (‐5.33)  (‐5.62)  (‐5.40)  (‐5.42)  (‐5.55) 
Cross‐Country Deal  0.57  0.62*  0.57  0.55  0.56  0.57*  0.58 
(1.62)  (1.69) (1.54) (1.53) (1.53)  (1.71) (1.52)
Asset Deal  0.70  0.67 0.69 0.65 0.64  0.60 0.46
(1.03)  (0.99)  (1.04)  (0.94)  (0.96)  (0.87)  (0.68) 
Target EBIT/Assets  1.76**  1.79**  1.76**  1.77**  1.78**  1.66**  1.67** 
(2.20)  (2.21)  (2.15)  (2.17)  (2.21)  (2.27)  (2.16) 
Approvals Required  0.11*  0.11*  0.11*  0.12*  0.12*  0.14**  0.14** 
(1.82)  (1.77) (1.83) (1.95) (1.83)  (2.43) (2.36)
Relative Size  0.18**  0.18** 0.18** 0.18** 0.20***  0.19** 0.21***
(2.26)  (2.27)  (2.26)  (2.31)  (2.63)  (2.39)  (2.80) 
Seller Bank Top 10  0.52  0.54  0.52  0.53  0.55  0.59  0.63* 
(1.31)  (1.40)  (1.30)  (1.33)  (1.29)  (1.63)  (1.67) 
Buyer Bank Top 10  0.12  0.09  0.12  0.12  0.09  0.27  0.21 
(0.36)  (0.26) (0.37) (0.37) (0.26)  (0.75) (0.56)
%Warranties w/o Qualifier  1.30 1.61
(1.08)  (1.42) 
Legal Compliance Warranty w/o Qualifier  ‐0.02  ‐0.16 
(‐0.06)  (‐0.37) 
Warranties Not Material  ‐0.19  ‐0.16 
(‐0.57) (‐0.47)
%Payment Secured  ‐1.96  ‐1.74
(‐1.08)  (‐0.93) 
MAC Clause  ‐0.65**  ‐0.58** 
(‐2.45)  (‐2.03) 
Constant  9.85***  8.51***  9.87***  10.11***  10.17***  9.80***  8.75*** 
   (5.44)  (3.71) (5.26) (5.77) (5.33)  (5.54) (4.12)
Year Fixed‐Effects  Yes  Yes  Yes  Yes  Yes  Yes  Yes 
Obs.  105  105  105  105  104  105  104 
Adjusted R‐sq.  0.347  0.345  0.339  0.341  0.348  0.373  0.356 
 
 
   

 
 
 Table 10 
The Costs of Lawyer Expertise 
 
This table reports in Columns 1 to 4 OLS regressions to explain different measures of the costs of law firms to buyers and sellers. 
Fees Seller Lawyer and Fees Buyer Lawyer proxy for the legal fees paid by the seller or buyer to their law firms. We estimate these 
fees by multiplying four variables: (i) the number of days between the start of negotiations and the signing of a contract; (ii) the 
number of lawyers of the legal teams; (iii) the hourly fee rate; and (iv) eight working hours per day. We assume an hourly fee of EUR 
400 per average lawyer for a top tier law firm and an hourly fee of EUR 300 for lawyers of all other law firms. A law firm is defined as 
being top tier if it is ranked in the top 10 based on a ranking that uses the number of transactions advised on between 1995 and 
2010.  We  assume  that  a  law  firm  bills  on  average  eight  hours  a  day.  Fees  Seller  Lawyer/Purchase  Price  and  Fees  Buyer 
Lawyer/Purchase Price standardize the legal fees by the purchase price that is paid from the buyer to the seller. Column 5 reports 
OLS regressions that explain the duration of negotiations. Negotiation Time is the number of days between the start of negotiations 
over a transaction and the signing of a contract. The sample consists of 151 acquisitions of private targets between 2005 and 2010. 
Detailed variable definitions are provided in Appendix A‐1. We report in parentheses t‐statistics, calculated using robust standard 
errors. *** indicates significance at 1%, ** at 5%, and * at 10%.  
                       
Dependent Variable:  Log(Seller Fee  Log(Buyer Fee    Seller Fee  Buyer Fee  Negotiation 
Lawyer)  Lawyer)  Lawyer/Purchase  Lawyer/Purchase  Time 
Price  Price 
   (1)  (2)     (3)  (4)  (5) 
Seller Lawyer Expertise  0.50  ‐0.12 52.75
(1.46)  (‐1.01) (0.96)
Buyer Lawyer Expertise  ‐0.34  ‐0.23  ‐179.86** 
(‐0.82)  (‐0.81)  (‐2.45) 
Log(Target Book Value)  0.14***  0.18***  ‐0.04***  ‐0.01  7.68 
(2.96)  (4.95) (‐3.49) (‐0.47)  (1.23)
Cross‐Country Deal  0.42**  0.16 0.06 0.02  72.51**
(2.41)  (1.02)  (1.18)  (0.17)  (2.32) 
Asset Deal  0.24  ‐0.09  0.23  ‐1.26  8.08 
(1.22)  (‐0.34)  (1.14)  (‐1.16)  (0.28) 
Relative Size  ‐0.02  0.00  ‐0.00  ‐0.00  ‐6.09 
(‐0.69)  (0.08) (‐0.13) (‐0.27)  (‐1.15)
Constant  ‐1.97**  ‐2.40*** 0.85*** 0.45  131.20
   (‐2.24)  (‐2.89) (3.21) (1.01)     (1.05)
Year Fixed‐Effects  Yes  Yes Yes Yes  Yes
Obs.  101  117  101  117  101 
Adjusted R‐sq.  0.132  0.260     0.091  0.091     0.154 
 
 
   

 
 
 Figure 1 
Seller Expertise and Buyer Expertise Matching 
 
This figure plots the relationship between Seller Lawyer Expertise and Buyer Lawyer Expertise. Seller Lawyer Expertise (Buyer Lawyer 
Expertise) is an index that ranges between 0 and 1, where higher values indicate more legal expertise on the seller side (buyer side). 
The figure excludes deals where in‐house lawyers were used. 
 

1 .8
Buyer Lawyer Expertise
.4 .6
.2
0

0 .2 .4 .6 .8 1
Seller Lawyer Expertise
 
 
 
   

 
 
 Appendix A‐1 
Definition of Variables 
 
Variable  Description 
Target Characteristics   
Purchase Price   Price paid by the buyer to the seller for the equity in the target.
Target Book Value   Book value of the target’s assets based on the last financial accounts preceding the acquisition.
Target Market Value   Purchase  price  paid  by  the  buyer  to  the  seller  for  the  equity  in  the  target  plus  the  book  value  of  liabilities. 
Liabilities include short term debt, long term debt, and provisions. If the buyer purchases less than 100% of the 
equity of the target, we calculate the purchase price for the equivalent of 100% of the equity of the target (i.e., 
Purchase Price/Percentage of Target Shares Bought by Buyer). 
Target EBIT/Assets  EBIT  of  the  target  divided  by  the  target’s  book  value  of  assets. If  EBIT  is  not  available  (48  observations),  we 
replace missing values with the mean value of EBIT/Assets calculated over the sample (13.6%).  
Asset Deal  Dummy variable which takes the value 1 if the transaction is an asset deal, and 0 if the transaction is a share 
deal. An asset deal is a transaction where a list of target assets (and liabilities) transfer to the buyer.   
Buyer Characteristics   
Buyer Book Value   Book value of the assets of the buyer. If there is more than one buyer, we calculate the weighted average of 
the assets of the different buyers using the percentage of the shares bought by the different buyers as weights. 
Buyer Deal Experience  Number of transactions that a buyer has been engaged in over the five years preceding the signing date of a 
deal.  
Buyer In‐house Lawyer  Dummy variable which takes the value 1 if the buyer did not use external legal advice but used the internal 
legal department, and 0 otherwise. 
Buyer Law Firm Top 10  Dummy variable which takes the value 1 if the buyer’s law firm is ranked in the top ten based on a ranking that 
uses the number of transactions advised on between 1995 and 2010, and 0 otherwise. 
Buyer Bank Top 10  Dummy variable which takes the value 1 if the buyer’s bank is ranked in the top ten based on a ranking that 
uses the number of transactions advised on between 1995 and 2010, and 0 otherwise.   
Buyer Law Firm Switch  Dummy variable which takes the value 1 if a buyer has performed a prior M&A deal over the past 5 years and 
switches from the previous law firm to another new law firm, and 0 otherwise. 
Seller Characteristics   
Seller Book Value   Book value of the assets of the seller. If there is more than one seller, we calculate the weighted average of the 
assets of the different sellers using the percentage of the shares sold by the different sellers as weights.  
Seller Deal Experience  Number of transactions that a seller has been engaged in over the five years preceding the signing date of a 
  deal. 
Seller In‐house Lawyer  Dummy  variable  which  takes  the  value  1  if  the  seller  did  not  use  external  legal  advice  but  used  the  internal 
legal department, and 0 otherwise. 
Seller Law Firm Top 10  Dummy variable which takes the value 1 if the seller’s law firm is ranked in the top ten based on a ranking that 
uses the number of transactions advised on between 1995 and 2010, and 0 otherwise.  
Seller Bank Top 10  Dummy variable which takes the value 1 if the seller’s bank is ranked in the top ten based on a ranking that 
uses the number of transactions advised on between 1995 and 2010, and 0 otherwise.  
Seller Law Firm  Switch  Dummy variable which takes the value 1 if a seller has performed a prior M&A deal over the past 5 years and 
switches from the previous law firm to another new law firm, and 0 otherwise. 
Deal Characteristics   
Cross‐Country Deal  Dummy variable which takes the value 1 if the target is not located in the same country as the buyer, and 0 
otherwise.  
Approvals Required  Number  of  approvals  which  are  to  be  obtained  between  the  signing  and  closing  date  from  competition  or 
financial authorities. The closing date is the date at which control of the target transfers from sellers to buyers 
through the legal transfer of shares or assets.  
Controlled Auction  Dummy  variable  which  takes  the  value  1  if  the  transaction  is  organized  through  a  controlled  auction, and  0 
otherwise.  
Negotiation Time  Number of days between the start of negotiations over a transaction and the signing of a contract. The start of 
the transaction negotiations is defined as the date at which the law firm that has provided the data has opened 
a file on a transaction. 
Buyer Fee Lawyer  Legal  fees  paid  by  the  buyer  to  the  buyer  law  firm.  We  estimate  fees  by  multiplying  four  variables:  (i)  the 
number of days between the start of negotiations and the signing of a contract; (ii) the number of lawyers of 
the legal team of the law firm that was advising the buyer; (iii) the hourly fee rate; and (iv) eight working hours 
per day. We assume an hourly fee of EUR 400 per average lawyer for a top tier law firm and an hourly fee of 
EUR 300 for lawyers of all other law firms. A law firm is defined as being top tier if it is ranked in the top 10 
based on a ranking that uses the number of transactions advised on between 1995 and 2010. We assume that 
a law firm bills on average eight hours a day. 

 
 
Seller Fee Lawyer  Legal  fees  paid  by  the  seller  to  the  seller  law  firm.  We  estimate  fees  by  multiplying  four  variables:  (i)  the 
number of days between the start of negotiations and the signing of a contract; (ii) the number of lawyers of 
the legal team of the law firm that was advising the seller; (iii) the hourly fee rate; and (iv) eight working hours 
per day. We assume an hourly fee of EUR 400 per average lawyer for a top tier law firm and an hourly fee of 
EUR 300 for lawyers of all other law firms. A law firm is defined as being top tier if it is ranked in the top 10 
based on a ranking that uses the number of transactions advised on between 1995 and 2010. We assume that 
a law firm bills on average eight hours a day. 
Relative Size   Size  of  the  buyer  relative  to  the  size  of  the  seller.  To  create  this  variable,  we  first  calculate  the  ratio  of  the 
assets of the buyer to the assets of the seller. We then divide this ratio into ten deciles such that the resulting 
variable ranges between 1 (buyer is small relative to the seller) and 10 (buyer is large relative to the seller).   
Contract Design   
%Warranties w/o  Percentage  of  all  warranties  in  a  contract  which  are  not qualified  with a  knowledge  qualifier.  A  knowledge 
Qualifier  qualifier  is  the  following  statement  that  is  attached  to  a  warranty:  “so  far  as  the  seller  is  aware”  (or  any 
equivalent thereof).   
%Risk Warranties w/o  Percentage of all warranties which are not qualified with a knowledge qualifier within warranty categories that 
Qualifier  primarily  allocate  risk.  We  define  the  following  five  warranty  categories  as  categories  that  primarily  allocate 
risk: (i) legal warranties (these warranties cover the following themes legal compliance, threatened or actual 
litigation,  environmental  compliance,  etc.);  (ii)  contracts  warranties  (contracts,  enforceability  of  contracts, 
contracts  with  suppliers  and  buyers,  guarantees,  etc.);  (iii)  intellectual  property  warranties  (IP,  patents, 
licenses, etc.) (iv) assets warranties (legal ownership of assets, quality of target assets, etc.); and (v) business 
information warranties.  
%Info Warranties w/o  Percentage of all warranties which are not qualified with a knowledge qualifier within warranty categories that 
Qualifier  primarily reduce information asymmetry. We define the following four warranty categories as categories that 
primarily  reduce  information  asymmetry:  (i)  corporate  records  warranties  (these  warranties  cover  the 
following themes: organization of target, list of subsidiaries, bylaws, legal existence of target, minutes of past 
board meetings, capital, authorized decision makers, etc.); (ii) financial accounts warranties (financial accounts, 
internal  financial  statements,  changes  since  the  accounts  date,  taxes,  etc.);  (iii)  employees  warranties  
(employee pay, resumes of target management, agreements with unions, strikes, pensions, employee benefits, 
etc.); (iv) insurance matters warranties  (insurance contracts, insurance coverage, indemnification agreements, 
etc.) 
Legal Compliance  Dummy variable which takes the value 1 if the contract does not contain a legal compliance warranty that is
Warranty w/o Qualifier  qualified  with  a  knowledge  qualifier.  A  knowledge  qualifier  is  the  following  statement  that  is  attached  to  a 
warranty:  “so  far  as  the  seller  is  aware”  (or  any  equivalent  thereof),  and  0  otherwise.  A  legal  compliance 
warranty states that the business of the target is being conducted in compliance with all applicable laws.  
Warranties Not  Dummy variable which takes the value 1 if a contract contains a clause that states that warranty breaches do 
Material  not need to be material, and 0 if the contract stipulates that warranty breaches need to be material.  
%Payment Secured  Percentage of the total purchase price which is secured to be available for warranty claims a buyer may have 
after the closing of a transaction towards a seller. This money is secured by placing it in an escrow account or 
through a bank guarantee. The variable is winsorized at 5%.  
MAC Clause  Dummy  variable  which  takes  the  value  1  if  the  contract  stipulates  that  the  transaction  does  not  have  to  be 
completed if a material adverse event occurs in the period between the signing date and the closing (transfer) 
date,  and  0  otherwise.  The  closing  date  is  the  date  at  which  control  of  the  target  transfers  from  sellers  to 
buyers through the legal transfer of shares or assets.   
Warranties  Number  of  warranties  in  a  contract.  Warranties  provide  statements  about  target  (or  seller)  quality.  Each 
separate quality statement is considered as a separate warranty.  
Covenants  Number of covenants in a contract. Covenants prescribe the behavior of the target and the seller in the period 
between the signing date and the closing (transfer) date. Each separate prescription of behavior is considered 
a separate covenant. The closing date is the date at which control of the target transfers from sellers to buyers 
through the legal transfer of shares or assets. 
Bargaining Process   
First Draft By Buyer  Dummy variable which takes the value 1 if the first draft of the contract was provided by the buyer lawyer, and 
0 if it was provided by the seller lawyer. 
Closing Time    Number of days between the signing date and the closing date. The closing date is the date at which control of 
the target transfers from sellers to buyers through the legal transfer of shares or assets.   
Pricing   
Acquisition Premium  Target Market Value divided by Target Book Value. The variable is winsorized at 2%.  
Earnout  Dummy  variable  which  takes  the  value  1  if  the  contract  stipulates  that  parts  of  the  purchase  price  are 
conditional on target performance after the closing date, and 0 otherwise.  
Purchase Price  Dummy variable which takes the value 1 if the contract contains a purchase price adjustment, and 0 otherwise.
Adjustment  A purchase price adjustment is an adjustment to the purchase price based on book values of the target on the 

 
 
 closing date. The closing date is the date at which control of the target transfers from sellers to buyers through 
the legal transfer of shares or assets.   
Lawyer Expertise   
Relative Lawyer  Index  which  measures  relative  lawyer  expertise  and  reflects  the  legal  expertise  of  the  buyer’s  lead  lawyer 
Expertise   relative to the legal expertise of the seller’s lead lawyer. The variable averages the following index components 
that measure different aspects of relative lawyer expertise: (i) Years as Partner; (ii) Deal Experience; (iii) M&A 
Specialist;  (iv)  Chambers  Recommendation;  (v)  Law  School  Ranking;  and  (vi)  US  Education.  The  index  ranges 
between 0 (more seller lawyer expertise) and 1 (more buyer lawyer expertise). 
Years as Partner  Variable which reflects the years of experience of the buyer’s lead lawyer relative to that of the seller’s lead 
lawyer.  Years  of  experience  is  the  number  of  years  between  the  year  in  which  the  lead  lawyer  has  been 
promoted to partner status and the year in which the contract is signed. The ratio is standardized such that it 
ranges between 0 (more seller lawyer experience) and 1 (more buyer lawyer experience). Transactions where 
the seller (buyer)  has  not  requested  legal  advice  are  coded  such that  the  variable  takes  the  value  1  (0).  The 
variable is winsorized at 5%. 
Deal Experience   Variable  which  reflects  the  deal  experience  of  the  buyer’s  lead  lawyer  relative  to  that  of  the  seller’s  lead 
lawyer. Deal experience is the number of deals that a lawyer has advised on between 01/1995 and 05/2010. 
The  ratio  is  standardized  such  that  it  ranges  between  0  (more  seller  lawyer  experience)  and  1  (more  buyer 
lawyer experience). Transactions where the seller (buyer) has not requested legal advice are coded such that 
the variable takes the value 1 (0). The variable is winsorized at 5%. 
M&A Specialist   Variable which takes three values: 0 if only the seller’s lead lawyer is an M&A specialist; 0.5 if both or neither 
lead lawyers are M&A specialists; and 1 if only the buyer’s lead lawyer is an M&A specialist. A lead lawyer is 
considered  an  M&A  specialist  if  the  corporate  web‐profile  of  the  lawyer  explicitly  specifies  M&A  law  as  the 
specialization of the lawyer (rather than other specializations such as tax law or competition law).  
Chambers  Variable which takes three values: 0 if only the seller’s lead lawyer is recommended in the Chambers Expert 
Recommendation  Lawyer ranking; 0.5 if both or neither lead lawyers are recommended in the ranking; and 1 if only the buyer’s 
lead lawyer is recommended in the ranking. The Chambers Expert Lawyer ranking provides information on “the 
world’s leading lawyers.”  
Law School Ranking  Variable which reflects the quality of the law school at which the buyer’s lead lawyer has studied relative to 
that  of  the  seller’s  lead  lawyer.  We  employ  the  2012 law  school  ranking  from www.topuniversities.com. We 
use the inverse of the rank to ensure that higher values indicate higher quality. The ratio is standardized such 
that it ranges between 0 (seller lawyer from better university) and 1 (buyer lawyer from better university). The 
variable is winsorized at 5%.  
US Education  Variable which takes three values: 0 if only the seller’s lead lawyer has studied at a US law school; 0.5 if both or 
neither lead lawyers have studied at a US law school; and 1 if only the buyer’s lead lawyer has studied at a US 
law school.  
Seller Lawyer Expertise  Index which measures the legal expertise of the seller lawyer only. The variable average six expertise measures 
of  the  seller  lawyer:  (i)  Years  as  Partner;  (ii)  Deal  Experience;  (iii)  M&A  Specialist;  (iv)  Chambers 
Recommendation;  (v)  Law  School  Ranking;  and  (vi)  US  Education.  The  variable  ranges  between  0  (low  seller 
lawyer expertise) and 1 (high seller lawyer expertise). 
Buyer Lawyer Expertise  Index which measures the legal expertise of the buyer lawyer only. The variable average six expertise measures 
of  the  buyer  lawyer:  (i)  Years  as  Partner;  (ii)  Deal  Experience;  (iii)  M&A  Specialist;  (iv)  Chambers 
Recommendation;  (v)  Law  School  Ranking; and  (vi)  US  Education.  The  variable  ranges  between  0  (low  buyer 
lawyer expertise) and 1 (high buyer lawyer expertise). 
 

 
 
 Appendix A‐2 
Comparison of Sample with Mergermarket 
 
This table compares characteristics of the transactions in our sample with those of other transactions reported in Mergermarket. 
Our comparison group consists of other private transactions where at least one of the involved parties is located in The Netherlands 
(2,601  deals).  The  panels  compare  mean  values  and  report  difference‐in‐means  tests  that  compare  our  sample  with  the 
Mergermarket  sample.  To  ensure  comparability,  this  analysis  uses  only  those  119  deals  in  our  sample  that  are  also  reported  in 
Mergermarket. Summary statistics may therefore differ from those reported in Table 1 and Appendix A‐2. *** indicates significance 
at 1%, ** indicates significance at 5% and * indicates significance at 10%. 
 
Panel A: Comparison of Deal Characteristics 
           
This  Merger‐  Difference 
  
Study  market 
Purchase Price (mEUR)  555  242  314** 
Value Announced  52%  39%  13%** 
Equity Payment  2%  2%  0% 
Percentage Equity Payment 2% 2% 0%
EBIT Multiple  15.8  36  ‐20.2 
EBITDA Multiple  10  44.9  ‐34.9 
Cross‐Country Deal   51% 66% ‐15%*** 
Controlled Auction  3% 2% 1%
Management Buyout  15%  11%  4%* 
Private Equity  11% 11% 0%

 
Panel B: Comparison of Target, Seller, and Buyer Characteristics 
                                 
Location  Target  Buyer Seller
   This  Merger‐  Diff.     This  Merger‐  Diff.     This  Merger‐  Diff. 
Study  market  Study  market  Study  market 
The Netherlands  86%  57%  29%***  57%  66%  ‐9%**  83%  43%  39%*** 
Europe (excl. NL)  12%  29%  ‐17%***  26%  21%  5%  12%  35%  ‐23%*** 
North America  2%  6%  ‐4%**  11%  9%  0.02  3%  14%  ‐11%** 
Rest of World  1%  5%  ‐4%** 5% 4% 0.01 2%  6% ‐4%**
Advisors  Target  Buyer Seller
   This  Merger‐  Diff.     This  Merger‐  Diff.     This  Merger‐  Diff. 
Study  market  Study  market  Study  market 
Advised by Our Law Firm  n/a  n/a  n/a  50%  2%  48%***  36%  2%  34%*** 
Law Firm Top 10  n/a  n/a  n/a  10%  15%  ‐5%  18%  11%  7%** 
Bank Involved  n/a  n/a  n/a 43% 30% 13%*** 63%  38% 25%***
Bank Top 10  n/a  n/a  n/a 18% 9% 9%*** 17%  11% 6%**
 
 
 
 
 
 
   

 
 
 Appendix A‐3 
Overview of Negotiation Process 
 
This table provides an overview of the negotiation process for the acquisitions of privately targets, based on the acquisition files and 
interviews with 14 lead lawyers (partners) of our law firm. It is complemented with information from Freund (1975), Frankel (2005), 
and Clifford Chance (2011). We report the negotiation process separately for acquisitions organized with and without auctions. 
 
Step  Issue  One‐on‐One Negotiations  Auction 
Step 1  Signaling   Buyer or seller initiates the contact, either directly   Seller initiates negotiations and searches (via 
Interest  or via advisors.  banks) for potentially interested buyers. 
 If seller initiates the sale, often a “teaser” is   Bidders are contacted with a “teaser”: a two‐page 
provided: a two‐page document with initial  document with initial information on the target. 
information on the target. 
Step 2  Non‐Disclosure   Parties sign a non‐disclosure agreement (NDA),   Interested bidders sign a non‐disclosure agreement. 
Agreement  where they commit to keep information 
confidential. 
Step 3  Information   Seller provides more detailed information about   Seller provides more detailed information about 
Memorandum  the target, often in a formal information  target financials and performance. 
memorandum (IM). 
Step 4  Letter of Intent   Buyer indicates an initial (non‐binding) offer price.   Bidders indicate their initial offers through (i) an 
 Parties may sign a Letter of Intent (LOI), which  offer LOI, or (ii) an offer mark‐up of a seller‐
outlines the initial price, the structure of the deal,  provided contract draft (which includes the price). 
and exclusivity during negotiations. Usually   Seller selects a few bidders and continues 
prepared by a law firm.  negotiations with them. 
Step 5  Due Diligence   Buyer engages in an in‐depth due diligence   Seller provides a due diligence report containing 
investigation of the target, usually with the help of  detailed target information. 
an investment bank. 
Step 6  Contract   One party provides a first draft of an initial   Unless done in Step 4, the seller provides a draft 
Negotiation  acquisition contract, based on a sample provided  acquisition contract.  
by the advising law firms.    Bidders provide a binding offer, which contains a 
 Negotiations take place and are reflected in the  combination of a price and a mark‐up of the draft 
contract through mark‐ups of the draft.   acquisition contract.  
 This can continue for many rounds of mark‐ups.    Price and contract provisions are determined 
 Adjustments to the initial offer price are typically  jointly in the offers that bidders make. 
only downwards as new information arises and   Seller selects the final bidder(s) to finalize 
warranties or covenants are not granted to the  negotiations. 
buyer. 
Step 7  Signing   Parties sign the acquisition contract, specifying the   After final negotiations, the seller chooses the 
conditions that need to be fulfilled before the  winning bidder and both parties sign the contract. 
closing.    A set of closing conditions may apply as in the 
 Closing conditions may also allow for  one‐on‐one negotiations. 
renegotiations if information arises and/or adverse 
events occur. 
Step 8  Closing   Transfer of control of the target from the seller to   Transfer of control of the target from the seller to 
the buyer.  the buyer. 
 
   

 
 
 Appendix A‐4 
Negotiating Outcomes: Buyer and Seller Interests 
 
This table provides an overview of the negotiation outcomes considered in our analysis and the economic interests of buyers and 
sellers, respectively.  
 
Buyers  Sellers 
Prefer  Reason  Prefer Reason
Contract Design             
%Warranties w/o     High  Warranties can come with the statement:     Low  Warranties can come with the statement: “so 
Qualifier  “so far as the seller is aware”. Without such  far as the seller is aware”. This implies that 
a knowledge qualifier, warranties also cover  the sellers do not provide insurance for 
issues that sellers are unaware of (i.e.,  issues they are unaware of. So sellers prefer 
sellers provides insurance). So buyers prefer more warranties with a knowledge qualifier.  
more warranties without knowledge 
qualifiers. 
Legal Compliance    Yes  Warranty on legal compliance can come  No Warranty on legal compliance can come with 
Warranty w/o  with the statement: “so far as the seller is  the statement: “so far as the seller is aware”. 
Qualifier  aware”. Without such a knowledge qualifier, Without such a qualifier, the warranty also 
the warranty also covers issues that sellers  covers issues that sellers are unaware of (i.e., 
are unaware of (i.e., sellers provides  sellers provides insurance). So sellers prefer 
insurance). So buyers prefer this warranty  this warranty with a knowledge qualifier. 
without a knowledge qualifier. 
Warranties Not     Yes  If warranties breaches need to be material,     No  If warranties breaches need to be material,    
Material  they are more difficult to enforce. Buyers  they are more difficult to enforce. Sellers 
prefer that this provision is not included as  prefer that this provision is included as 
warranty breaches can then be enforced  warranty breaches are then more difficult to 
more easily.  enforce. 
%Payment Secured    High  Buyers want to secure as much money as  Low Sellers want to place as little money as 
possible to ensure that sellers can pay any  possible in a secured account as this implies 
damage claims related to warranty  that sellers cannot yet have access to this 
violations that may come up.   money. Moreover, this money may be seized 
to cover damage claims related to warranty 
violations.   
MAC Clause     Yes   A MAC clause allows buyers to cancel a deal     No  Sellers prefer not to include a MAC clause as 
if an adverse event occurs between signing  this places the risk of adverse events on 
and closing. Buyers prefer to include a MAC  sellers and reduces deal certainty. 
clause as this places the risk of such events 
on sellers.  
Bargaining Process       
First Draft By Buyer      Yes  Buyers prefer to deliver the first draft      No  Sellers prefer to deliver the first draft 
contract as this provides a first‐mover  contract as this provides a first‐mover 
advantage due to path dependence in  advantage due to path dependence in 
negotiations.  negotiations. 
Closing Time       Short  Buyers prefer short closing times (time     Long  Sellers prefer long closing times (time 
between signing and closing) as sellers still    between signing and closing) as sellers keep 
control the targets until closing even though  control over the target until closing whereas 
the price has been fixed. Until closing,  the prices have been fixed. Until closing, 
sellers can act opportunistically and extract  sellers can act opportunistically and extract 
private benefits from targets.   private benefits from targets.  
Pricing             
Acquisition     Low   Buyers prefer to pay a low price. High Sellers prefer to receive a high price. 
Premium 
   

 
 
 Appendix A‐5 
Underlying Lawyer Expertise Variables: Summary Statistics 
 
This table provides an overview of the legal expertise of the lead lawyers representing the buyer and seller, respectively. This data is 
used to create the relative legal expertise variables. Note that the variables reported in this panel are not yet standardized to range 
between 0 and 1. Statistics are reported at the transaction level. 
        
Advisor of Buyer Advisor of Seller
   Mean Median Std. Dev. Obs. Mean Median  Std. Dev. Obs.
Years as Partner (in years)  7.9 7.0 6.2 139 6.7 6.0  5.7 132
Deal Experience (number of deals)  34.5 32.0 25.4 144 32.7 30.5  28.3 134
M&A Specialist  89% 143 79%     140
Chambers Recommendation  64% 151 46%     151
Law School Ranking (inverse of rank)  0.07 0.02 0.17 140 0.07 0.02  0.18 135
US Education  25% 143 21%     136

 
 
 Appendix A‐6 
Negotiation Outcomes: Separate Effects of Index Components 
 
This  table  reports  OLS  and  logit  regressions  to  explain  negotiation  outcomes  in  M&A  transactions.  The  sample  consists  of  151 
acquisitions of private targets between 2005 and 2010. We report the coefficients (t‐statistics) of the six individual relative expertise 
components  (reported  vertically)  that  make  up  the  index  Relative  Lawyer  Expertise.  The  six  relative  expertise  variables  range 
between  0  and  1,  where  higher  values  indicate  more  legal  expertise  on  the  buyer  side.  The  regressions  use  the  same  control 
variables as those in Table 4 (not reported). The regression in Column 5 only contains deals where signing and closing where not on 
the same day as MAC clauses are otherwise not relevant. Detailed variable definitions are provided in Appendix A‐1. We report t‐
statistics in parentheses, calculated using robust standard errors. *** indicates significance at 1%, ** at 5%, and * at 10%. 
                          
Contract Design    Bargaining Process 
Dependent Variable:  %Warranties  Legal  Warranties  %Payment  MAC Clause    First Draft By  Closing Time
w/o  Compliance  Not Material  Secured  Buyer 
Qualifier  Warranty 
w/o 
Qualifier 
   (1)  (2)  (3)  (4)  (5)     (6)  (7) 
Years as Partner  0.05*  0.94  1.63*  0.03  0.06  0.07  ‐47.26*** 
   (1.72)  (0.97)  (1.69)  (1.22)  (0.07)     (0.09)  (‐2.84) 
Deal Experience  0.08**  1.46 3.42** ‐0.02 0.77 1.72** ‐33.97**
   (2.40)  (1.34)  (2.23)  (‐0.71)  (0.77)     (2.33)  (‐2.11) 
M&A Specialist  0.13*  ‐1.39 1.89* 0.00 1.24 2.36** ‐52.35**
   (1.83)  (‐1.44) (1.79) (0.07) (0.95)    (2.00)  (‐2.28)
Chambers Recommendation  0.03  ‐0.59  1.10  0.03  1.23*  0.62  ‐6.13 
   (1.14)  (‐0.71) (1.54) (1.49) (1.67)    (0.83)  (‐0.31)
Law School Ranking  0.06  4.13  1.56  ‐0.04*  1.15  1.05  ‐17.20 
   (1.24)  (1.55)  (1.18)  (‐1.67)  (1.42)     (1.10)  (‐0.70) 
US Education  0.12***  2.57***  2.61**  ‐0.01  1.63**  1.76**  ‐8.16 
   (2.87)  (2.76)  (2.49)  (‐0.33)  (2.26)     (2.10)  (‐0.31)