供应链中的收益可预测性国际性的证据

1、正文目录 HYPERLINK l _TOC_250006 一、引言 3 HYPERLINK l _TOC_250005 二、文章主要内容 3 HYPERLINK l _TOC_250004 、使用的数据 3 HYPERLINK l _TOC_250003 、主要方法和结果 4 HYPERLINK l _TOC_250002 、文章的主要结论 11 HYPERLINK l _TOC_250001 三、我们的思考 12 HYPERLINK l _TOC_250000 参考文献 12图表目录表 1：供应商组合的异常收益（市场模型，1995.01-2007.07） 4表 2：供应商组合的异常收益（四因

2、子模型，1995.01-2007.07） 5表 3：供应商组合的异常收益（修改后的供应商样本，1995.01-2007.07） 6表 4：供应商组合的异常收益（按市值划分的子样本，1995.01-2007.07） 7表 5：供应商组合的异常收益（日本和英国，1995.01-2007.07） 8表 6：供应商股票月收益的Fama-MacBeth 回归分析结果（1995.01-2007.07） 9表 7：对供应商股票月收益的条件Fama-MacBeth 回归分析（1995.01-2007.07） 11一、引言由于投资者的有限注意，因此其处理信息能力有限，这样会导致一些有价值的信息的传导存在一些时滞

3、。例如，下游猪肉消费的需求短期增加了，伴随而来的是猪肉的涨价。这时候投资者很容易会得出猪肉的涨价利好上游的生猪养殖企业，譬如温氏股份，牧原股份等等。因为，这些公司都是大家耳熟能详的生猪养殖企业，但是投资者很难想到猪肉涨价在一定程度上也利好顺鑫农业。虽然，顺鑫农业主营构成中约 80%为白酒，但是也有 20%的营收来源于肉类加工相关业务。猪肉价格上涨所带来的基本面的改变最终也是反映到顺鑫农业的业绩中，从而也会影响上市公司股价。但是，信息发掘所存在的时滞使我们获取 Alpha 成为可能。以上例子就是供应链 Alpha 的一个典型案例。供应链相关 Alpha 是一类重要的Alpha 因子，其有效性已经

4、在国内外学术研究中被广泛证实。本文作为“琢璞”系列报告的第十篇，我们推荐一篇经典的供应链 Alpha 文献。该文章以 22 个国家的上市公司作为样本，构建了客户行业收益指数指标，发现这一指标对上游供应商行业公司的收益率具有显著的预测作用。二、文章主要内容、使用的数据文章使用 IDC/Exshare 和 Worldscope 数据库提供的 MSCI 全球指数中在（除美国以外）22 个发达国家交易所上市的所有股票的月度收益数据，具体包括：澳大利亚、奥地利、比利时、加拿大、丹麦、芬兰、法国、德国、希腊、香港、爱尔兰、意大利、日本、荷兰、新西兰、挪威、葡萄牙、新加坡、西班牙、瑞典、瑞士和英国。样本期设

5、定为 1995年 1 月至 2007 年 7 月。剔除金融行业以及总资产或总营业收入低于 1000 万美元、月收益率高于 100%或账面市值比高于 50 的样本公司，共得到 14407 家公司的 1202332个月度观测值作为总样本。其中，能计算客户公司收益数据的 6174 家公司的 478727个月度观测值作为最终的样本。文章使用美国经济的基本IO 账户来确定行业层面的客户-供应商关系。为避免前视偏差，使用 1992 年发布的 1987 年基本投入产出表。将满足“至少 25%的产品销往包含上市公司的客户行业”的供应商行业纳入样本，经 IO-SIC 编码转换后通过 IO 账户确定对应的客户行业

6、。文章对于每个国家的每个供应商行业，使用该国的所有该行业下游的上市客户公司数据计算该行业的客户公司收益指数： ,1 = ,1( )=1其中 n 是客户行业的个数， 是第 j 个客户行业中所有公司的市值加权收益， 是第 i 个供应商行业销往第 j 个客户行业的产品百分比。、 主要方法和结果 多空组合策略对于样本期内的每个月 t，按照上月客户公司收益( 1)将供应商行业按升序排列，形成五分位组合(Q1-Q5)，然后构建多空组合(L-S)，买入 Q5 并卖空 Q1。如果供应商公司和客户公司收益之间存在交叉可预测性，那么 L-S 交易策略应当产生正的超额收益。分别采用市场模型和四因子模型估计多空组合的

7、异常收益。采用市场模型时，如表 1 所示，对于等权组合，五分位的超额收益随滞后客户公司收益的增加而增加，多空组合的月超额收益为 1.28%(t=5.16)，考虑交易成本后的年净收益约为 7.2%；对于市值加权组合，L-S 组合的月超额收益为 0.35%(t=0.92)。可见小市值股票比大市值股票表现出更多的交叉可预测性。表 1：供应商组合的异常收益（市场模型，1995.01-2007.07）资料来源：Return Predictability along the Supply Chain: The International Evidence，招商证券四因子模型的估计结果与市场模型基本一致。如

8、表 2 所示，对于等权组合，L-S 策略的月度超额收益为 1.23%；对于市值加权组合，L-S 策略的超额收益并不显著。从因子暴露来看，分位组合存在某些风险暴露，而多空组合的风险暴露小于单独的分位组合。例如，所有五分位组合都在市值因子(SMB)上有显著暴露，而 L-S 组合的市场因子和市值因子暴露不显著，价值因子和动量因子暴露适中。表 2：供应商组合的异常收益（四因子模型，1995.01-2007.07）资料来源 ： Return Predictability along the Supply Chain: The International Evidence，招商证券加入流动性限制：剔除权益

9、市值和交易换手率均排名后 10%的供应商样本公司，以及月初股价低于 5 美元的股票样本。如表 3 所示，流动性限制对实证结果没有实质性影响，使用等权组合，L-S 策略的月超额收益为 1.28%(t=5.00)；使用市值加权组合，L-S 策略存在正的超额收益但在统计上不显著。进一步将供应商股票样本按照公司市值分为 4 组：微型股（MVE50 亿美元）。如表 4 所示，除了大盘股组合外，其他所有市值组合均存在供应商-客户/领先-滞后效应，且 L-S 组合的超额收益随公司市值单调递增。因此，这一领先-滞后效应并不是由小盘股和非流通股所驱动的。表 3：供应商组合的异常收益（修改后的供应商样本，1995

10、.01-2007.07）资料来源：Return Predictability along the Supply Chain: The International Evidence，招商证券表 4：供应商组合的异常收益（按市值划分的子样本，1995.01-2007.07）资料来源：Return Predictability along the Supply Chain: The International Evidence，招商证券在样本股票数占比最高的日本和英国市场，如表 5 所示，使用等权组合时，L-S 策略的月超额收益分别为 0.66%(t=3.05)和 0.71%(t=2.09)，五分位

11、组合的超额收益基本单调增长，与总体分析结果一致。表 5：供应商组合的异常收益（日本和英国，1995.01-2007.07）资料来源： Return Predictability along the Supply Chain: The InternationalEvidence，招商证券采用 Bekaert、Hodrick 和 Zhang(2005)的金融一体化测度（一国股票由全球因子解释的收益方差除以该国股票由全球和本国因子共同解释的收益方差），检验样本中各国的多空组合 alpha 与该国资本市场开放程度之间的关系。结果显示，两变量在 10%的水平上显著负相关，说明市场融入全球金融一体化的程度

12、越高，客户股票收益对供应商股票收益的预测性越差。 回归分析采用Fama-MacBeth(1973)回归方法，控制与供应商公司当期股票收益有关的其他变量，检验之后的客户行业收益是否仍然对供应商当期收益具有预测作用。估计模型如下： = + 1 1 + 21 + 312,2+ 4 1( 5 1+ 6 1+ 7 1) + 8 12,2+ 91 + 101 + 其中，1.代表供应商公司的股票收益。纳入1控制 Jegadeesh(1990)提出的反转效应，纳入12,2控制 Jegadeesh 和 Titman(1993)提出的动量效应。2. 代表供应商公司所在的四位 SIC 代码行业的市值加权组合收益。纳

13、入 1 和 12,2 以控制行业层面的动量效应 (Moskowizt 和 Grinblatt,1999)。3. 、 、和 分别代表大型行业公司（MVE 在 70-100 分位）、中型行业公司（MVE 在 30-70 分位）和小型行业公司（MVE 在 0-30 分位）的市值加权组合收益。按照 Cohen 和 Frazzini（2008）构建市值加权组合，将其纳入回归模型以控制 Hou(2007)提出的行业内领先-滞后效应。根据Hou(2007)将 4 位 SIC 代码行业划分为 12 个。代表公司权益的市场价值。代表公司股票的市值与账面价值之比。在每个日历月对模型进行估计，并报告回归系数的平均值

14、。模型的主要系数是1，如果供应商收益与客户公司收益之间具有交叉可预测性，那么1在统计意义上显著为正。模型结果如表 6 所示。其中，模型 1 的结果显示，滞后的客户公司收益与当期的供应商收益正相关；模型 2 纳入了主要的控制变量，客户-供应商/领先-滞后关系仍然保持稳健；模型 3 中纳入了市值加权组合的滞后收益(Hou,2007)， 1的系数虽然绝对值有所减小，但仍然显著为正。因此，供应商收益与客户收益之间的确具有交叉可预测性。表 6：供应商股票月收益的 Fama-MacBeth 回归分析结果（1995.01-2007.07）资料来源 ： Return Predictability along

15、the Supply Chain: The International Evidence，招商证券 条件回归分析文章还研究了供应商特点对收益可预测性的影响，即分别检验对于小型供应商、客户集中度高的供应商、以及与客户间存在高度专用性投资关系的供应商，客户-供应商/领先-滞后关系是否会更强或更弱。首先，在回归模型中纳入 1、交互项 1(1)和其他控制变量，如表 7 第 1 列所示，交互项系数显著为负，表明供应商和客户收益的交叉可预测性与供应商规模呈负相关关系。然后，使用供应商行业销售数据代替难以获取的公司数据，根据 IO 账户构造供应商销售集中度变量： = ( )2=1在回归模型中加入交互项 1(

16、 )，如表 7第 2 列所示，交互项系数显著为负，表明预测效应在销售分散的供应商公司中表现更为明显。最后，采用供应商行业的R&D 强度S & 代表专用性投资强度，并在回归模型中纳入交互项 1(S & )。如表 7 第 3 列所示，交互项系数在 1%的水平上显著为正。表明供应商与客户之间的经济联系越紧密，收益的交叉可预测性越强。表 7：对供应商股票月收益的条件 Fama-MacBeth 回归分析（1995.01-2007.07资料来源：Return Predictability along the Supply Chain: The International Evidence，招商证券 稳健性

17、检验文章分别使用近期的 IO 账户与等权客户收益再次进行分析。由于供应商与客户之间的联系可能随着时间推移而发生变化，文章在 1995-1997、1998- 2002、2003-2007 年，分别使用 1987、1992 和 1997 年的 IO 账户进行分析。不同时期的分析结果与前面的类似，印证了 IO 账户之间的高度相关性。文章还使用等权组合计算客户收益，重复前面的分析，发现客户-供应商/领先-滞后效应有所减弱。这是因为大客户公司的股票价格会对业绩信息更快作出反应。、文章的主要结论文章的研究表明，在除美国以外的其他 22 个发达市场中，下游客户行业的股票收益同样领先于上游供应商行业，该效应在

18、经济意义上显著且与美国股市的情况相近。客户-供应商/领先-滞后效应并不是由小盘股和非流通股所驱动的；小盘股相对于大盘股的预测性更强；在占比最高的日本和英国市场中同样显著存在；市场融入全球金融一体化的程度越高，预测性的表现越差。文章采用Fama-MacBeth(1973)回归分析方法，控制其他与供应商公司当期股票收益有关的变量，发现客户收益的预测效应仍然存在。通过横截面分析，发现对于小市值、销售集中度低或者与客户之间存在高度专用性投资关系的供应商，预测效应更加显著。总之，客户-供应商/领先-滞后效应印证了价值相关信息缓慢传播的观点。三、我们的思考作为一类重要的 Alpha 因子，供应链 Alpha 因子逐渐受到越来越多投资者的关注。实际供应链 Alpha 因子的构建特别依赖于上市公司之间关系网的梳理，目前国内数据提供商尚未提供比较完善的结构化关系网数据。相信未来随着相关数据的不断完善，国内机构投资者将会更多地使用到供应链相关 Alpha 因子，这也是我们团队后