“学海拾珠”系列之一百六十九：资产增长率在资产定价中的作用

正文目录TOC\o"1-2"\h\z\u简介 4采用企业投资的替代指标构建因子 7使用夏普比率来比较模型性能 7数据 8利用资产增长率的子成分构建因子 9存货和应收账款因子解释了资产增长因子 11资产增长率和宏观经济因子 14内在机制探究 186结论 22风险提示： 23图表目录图表1文章框架 4图表2使用夏普比率测试比较HXZ和FF5F模型与基于替代投资因子的模型 8图表3使用替代投资因子的HXZ和FF5F模型表现 9图表4使用夏普比率测试将HXZ和FF5F与基于AG子成分的模型进行比较 10图表5AG因子和其子成分对库存和应收账款因子的回归 12图表6AG子成分库存因子的回归 13图表7AG子成分应收账款因子的回归 14图表8使用宏观经济变量对双重排序市值加权投资组合进行定价 16图表9使用宏观经济变量对双重排序市值加权投资组合进行定价：三因子模型 17图表10股票市场情绪对平均股票发行的影响 19图表11使用夏普比率测试来比较HXZ和FF5F与基于DOX的传统因子模型 20图表12使用夏普比率测试来比较HXZ和FF5F与基于DOX的替代投资因子模型 21图表12基于DOX指标的引入备选投资因子的HXZ和FF5F模型表现 21简介图表1文章框架资料来源：当前，因子模型有许多进展，如Hou等人(2015)的四因子模型和Fama和French(2015)Fama和French(1993)Carhart(1997)和French(2015)Hou(2015)Cochrane(1991)的生产模型。本文对Hou,Xue和Zhang(2015HXZ)以及Fama和French(2015；以下简称FF5F)文章中的投资因子进行了实证检验和理论分析。Hou-Xue-Zhang四因子模型（HXZ）：E[ri]−rf=βi E[MKT]+βiE[ME]+βiE[I/A]+βi E[ROE]FF5（FF5F）：

ME

ROEE[ri]−rf=αi+βi E[MKT]+βi E[SMB]+βi E[HML]+βi E[RMW]MKTCMA+βi CMA

SMB

HML

RMWHXZ和FF5F投资因子（I/A，CMA）基于传统的企业投资标准，如资本支出和不动产、厂房和设备(PPE)增长。相反，两篇论文都使用Cooper等人(2008)()作为投资因子算法HXZ和FF5F因子挖掘出的异常回报一样。我们认为，在HXZ和FF5FFF5FHXZ征最适合于构建投资因子。这主要是因为它们是将预期回报与一组不可观察的特征FF5FHXZ资产增长率不包括资产负债表外的无形资本，如知识资本和管理层资本，鉴于Peters(2017)公司用现金为一项PPE滞不前的结果。在缺乏投资机会的情况下，现金余额会增加，如果公司不能以同样的速度销售其产品，存货会增加；如果公司不能收回提供给客户的商业信用，应收账款会增加，这些都导致了资产增长率的上升，但并不是投资活动所致。出于对资产增长率(AG)我们进行了因子测试，在HXZ和FF5模型在使用其他常用投资测度代替AG因子。我们首先使用PPE本支出(CAPX)如Peters和2017)提出的指标，包括表外无形资产投资来构建投资因子。将新的投资因子表现与HXZ和FF5FAG指标，HXZFF5F在模型挖掘中，我们构建了144种不同类型资产如库存、PPE、商誉、R&D、SGA)AG因子的HXZ和FF5F模型。无论是传统测量还是更广泛的测量都不够显著，这更加佐证了我们的AGq。为了更深入地了解可能推动AG素取代AG因素时，HXZ和FF5F模型的表现如何是否发生变化。左侧，我们根据现金、存货、应收账款、不动产、厂房和设备(PPE)、无形资产和其他资产即总资产减去前五类的变化率来构建新的投资因子。在资产负债表右侧，我们使用流动经营负债、非流动经营负债、长期负债、普通股和留存收益的变化来HXZFF5FAGHXZFF5FAG(INVT)(AREC)AG我们使用直接回归来表明INVT和AREC因子一起包含了AG因子对HXZ和FF5F模型贡献的大部分定价信息。此外，AG、INVT和AREC因子没有被AG的任何其他子组成部分所涵盖。这些发现表明，AG因子的解释力主要来自应收账款和存货动态中包含的信息，而不是PPE和无形投资。尽管HXZ和FF5FAGINVTAREC宏观经济变量，这些变量已被证明会在股票回报中进行风险分散，我们使用标准的GMMAG、INVT、ARECPPE（因素）对投资组合进行定价。结果发现，融资相关的冲击(如对投资者情绪、股票发行成本和金融中介资产负债表的总体冲击有助于对AG、INVT和AREC投资组合进行定价，但对于PPEBakerWurgler(2006)(BW)AG、INVTAREC、INVTAREC(如Beloetal.，2019；Adrienetal.，2014；Heetal.,2017)，尤其是那些受股市情绪变化驱动的因素。为探究BWSDF重复GMMSDFAG、INVTARECBWSDFPPEAG、INVTAREC的投资组合进行定价时，将BW因子加入SDFPPETFPBelo等人(2019)债权替代机制投资较多的公司以资本化支出CAPX衡量)抵押(Bergeretal.,1996)INVT和AREC(BW)具有高AG、INVT和AREC的公司比具有低AG、INVT和AREC务融资。我们发现，当我们使用PPE增长率时，这种可替代性不是很强。这种债权替代渠道可以将AG因子与股权融资成本联系起来论其驱动因素是什么。正如Belo(2019)究这种可能性，我们使用CassellaGulen(2018)投资者过度外推程度(DOX)指HXZ和FF5F模型仅在DOXHXZCarhart(1997)FF5FFamaFrench(1993)Carhart(1997)的模型表现得好。我们承认，在缺乏结构模型的情况下，很难明确地得出给定因子模型捕捉了风险或错误定价的结论。出于这个原因，我们并不认为哪种股权融资成本的特定驱动因素更有可能解释我们的结果。除了我们的主要发现，即AG因子似乎捕捉到了对股票发行成本的冲击，我们研究得出的更普遍的结论是，将简化形式的理论模型(如Hou2015和FamaandFrench，2015)大，不同的做法可能导致性能的显著差异，人们不得不质疑这些简化形式的模型是否真正受理论约束”。采用企业投资的替代指标构建因子HXZFF5F(如Fama和French(1993)Carhart(1997))。为进行进一步说明，我们首先使用文献中较为常见的企业投资指标。企业投资文献浩如烟海，很难一一列举。考虑到这一点，我们对文献的广泛回顾表明，企业投资的实证研究包括q理论的测试(CAPX)或不动产、厂房和设备(PPE)的增长来衡量。因此，我们使用CAPX和PPE的变化，两者都除以滞后的PPE，作为我们的衡量指标Peters(2017)准。他们将无形资产总额计为资产负债表上的无形资产商誉)加上资产负债表外的无形资产之和。后者被计算为资本化的研发资本(R&D)加上资本化的组织资本(SG&A的30%)。公司的总资产被计为有形资产(总PPE)加上无形资产的总和。在我们下面的分析中，我们使用总资产TOTK、有形资产PHK和无形资产INTK的这些指标的年度变化作为投资因子的额外指标(全部由滞后总资本标准化)，我们将这些指标分别记为TOTK,PHK,和INTK。使用夏普比率来比较模型性能BarillasShanken(2017)Barillas等人(2020)BarillasShanken(2017)和两个因子模型带交易因子)在一组测试资产X定价中的表现，相当于比较每个模型中的因子(以下表示为maxSR2(f1)与maxSR2(f1))的最大夏普比率。事实上，𝑓1模型在多大程度上未能对资产X和𝑓2进行定价，取决于通过将X和𝑓2纳入投资框架后，其最大夏普比率能提高到什么程度:maxSR2(f1,f2,X)−maxSR2(f1)。类似地，模型下的错误定价的程度是由maxSR2(f2,f1,X)−maxSR2(f2)给出，因此，𝒇𝟏和𝒇𝟐模型之间的定价差异由𝐦𝐚𝐱𝐒𝐑𝟐(𝐟𝟏𝐟𝟐𝐗𝐦𝐚𝐱𝐒𝐑𝟐(𝐟𝟏)−𝐦𝐚𝐱𝐒𝐑𝟐(𝐟𝟐𝐟𝟏𝐗)−𝐦𝐚𝐱𝐒𝐑𝟐(𝐟𝟐)=𝐦𝐚𝐱𝐒𝐑𝟐(𝐟𝟐)—𝐦𝐚𝐱𝐒𝐑𝟐(𝐟𝟏)给出，我们的唯一目的是比较两个模型。图表2使用夏普比率测试比较HXZ和FF5F模型与基于替代投资因子的模型注：None表明不包含投资因子的模型。资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，2（如基于CAPXSR-AG的HXZSR）AHXZBFF5FA即CAPX、、、PHK、INTK)的HXZAG的HXZ模型A5子的HXZ模型和FF3F同样，面板B的第一行表明，用基于五个备选投资因子替换FF5F模型中的AGFF5FBFF5F模型中的CAPX、PPE、TOTK、PHK和INTK投资因子BM和盈利能力因子第二行结果甚至FF3F(第三行结果超越。FF5F在附录的表E62AGAGCAPX对AG框架和托宾Q模型(即预期投资、预期盈利能力和预期账面权益增长)中其他关键变量的更好代表这一观点提出了质疑。数据为了验证我们的分析的主要发现不是由我们对替代投资因子的特定选择所驱动144(CAPX、PPEPPE)库存变化、商誉变化、资本化知识资本变化和资本化组织资本变化（后三种的计算方法与Peters(2017)相同3×2×2×2=48种不同的投资方法。最后，我们使用三个不同的滞后标准化变量Peters和(2017)PPE483=1442.1AG144HXZFF5FBarillas和Shanken(2017)的方法，关注一个关键性能指标通过每个模型中的因子获得的最大平方夏普比率。图表3使用替代投资因子的HXZ和FF5F模型表现资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，3HXZ(上图FF5F下图)144AGHXZ模型FF5F()的最大夏普比率平方。作为一个参考点，标有“d.PPE/l.PPE”的线条显示了如果我们使用PPEAG3AG的HXZFF5FHXZ144个备选投资模型中的每一个，而FF5F模式的性能优于144个模型中除5（证了这5个模型与AG之间的性能差异在统计上并不显著）。利用资产增长率的子成分构建因子目前为止，实证结果表明，投资因子并不由传统的投资指标所驱动。我们需要更好地理解是什么驱动了AGAG成分而不是AG负债表左侧和右侧项目的变化。在左侧，我们使用现金(CASH)、存货(INVT)、应收账款(AREC)、不动产、厂场和设备(PPE)、无形资产和其他资产(OTHER，即总资产减去上述类别)的变化。在右侧，我们使用流动经营负债、普通股权益(EQ)和留存收益(RE)的变化。所有11个增长指标都通过滞后总资产进行标准化。因此，资产负债表两边的所有子资产的总和等于公司总资产的增长百分比。图表4使用夏普比率测试将HXZ和FF5F与基于AG子成分的模型进行比较资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，4BarillasShanken(2017)Barillas(2020)2AGHXZFF5FA1和B1AGHXZ在面板A2和B2中，根据资产负债表右侧的AG模型。表中的每个估计值代表最大平方夏普比率的差值，该差值可以使用列A10.068普比率比原始HXZ0.068。A1如果我们使用AG子成分中的库存(INVT)或应收账款(AREC)建立HXZHXZ当HXZ模型是使用对长期资产无论是有形资产(PPE)还是无形资产))的投资来构建因子时，其表现明显差于原始HXZA2当我们比较FF5F。附录中的表E9收账款的模型的性能接近原始HXZ和FF5F模型模型的性能要差得多。AGHXZ和FF5FB1为投资因子构建HXZ模型时，模型的表现并不HXZB2FF5F存货和应收账款因子解释了资产增长因子表4HXZ和FF5F(INVT)(AREC)AGHXZFF5F表明AG因子对HXZ和FF5F模型的定价信息实际上是由INVT和AREC因子而不是AG的其他子成分决定的。我们从运行以下形式的回归开始:其中，𝑅𝐴𝐺,𝑡,𝑅𝐼𝑁𝑉𝑇,𝑡𝑅𝐴𝑅𝐸𝐶,𝑡分别代表AG、INVT和AREC𝑋𝑡项包HXZ模型(5A)FF5F5B)HXZFF5FAGAG从式(1)5著，这表明AGHXZFF5F模型的定价信息是由INVTAREC因子E10AG因子是INVTARECAG5AG来自资(1)INVT和AREC因子(图表5AG因子和其子成分对库存和应收账款因子的回归资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，我们接下来测试INVT和AREC因子是否被AG的任何子成分涵盖。具体来说，在表6中，我们运行以下形式的回归:AG子成分CASHAREC、PPE、INTANOTHER)AGAG-INVT因子AHXZBFF5F𝑋𝑡项包含HXZ模型面板A)FF5F因子面板B)6INVT没有被AG的任何其他单独的子成分所涵盖，或者没有被所有子成分的总和纳入AG-INVT()7AREC式(2)6即最后一列中的AG-INVT因子)，AREC也不能被AG的任何其他子成分涵盖。图表6AG子成分库存因子的回归资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，INVT和AREC因子对HXZ和FF5FINVTAREC因子包AGAG(。图表7AG子成分应收账款因子的回归资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，资产增长率和宏观经济因子AGHXZ和FF5FAG如PPE)(INVT)(AREC)AG因子优异表现的内在经济机制，一种方法是观察哪些宏观经济冲击是基于、INVT、和AREC因子的投资组合回报的重要驱动因素，而非PPE因子。以往研究中有大量可以产生横截面风险分散的宏观经济冲击，如下所示的变量可能会促使AG因子捕捉宏观经济动向。具体来说，我们使用对生产率、消费、流动性、不确定性、融资成本、生产网络和市场情绪的冲击的宏观经济指标:1.TFP是对利用率调整后的全要素生产率冲击的衡量因子(Fernald(2012))。2.IST是的投资专用技术因子(Papanikolaou(2011))。RD(Elsaify(2017))。(LettauLudvigson(2001))。5.LIQ(PastorStambaugh(2003))。6.UNC(Juradoetal.(2015))。ICS(Beloetal.(2019))。LEV(Adrienetal.(2014))。(Heetal.(2017))。10.RS(Grigorisetal.(2023))。BW(BakerandWurgler(2006))。HYS是代表信贷市场情绪的“高收益份额指标因子(GreenwoodandHanson2013))。其中，ICSTFPLEV和HYSUNCBW和HYS因子使用AR(1)素要么是收益差(RD，IST和RS)，要么是作为新息(TFP，LIQ，ICS，LEV，。对于上表中的每个宏观经济因素(MACRO)，我们假设一个随机贴现因子(M),其形式为:其中，MKT是价值加权市场投资组合的(去均值化)超额回报，时间段t与MACRO因子具有相同的频率(即，对于年度和季度因子，𝑀𝐾𝑇𝑡代表期间t市场投资组合的累积回报，𝑀𝐴𝐶𝑅𝑂𝑡因子同样去均值化。需要注意的是，因子载荷𝑏𝑀𝐾𝑇和𝑏𝑀𝐴𝐶𝑅𝑂并不是MKT和MACRO因子的风险溢价，而是考虑了因子之间的相关性后的溢价转换。正如Cochrane(2005)所述，每个因子的SDF负荷衡量了包含在SDF中其他因素尚未捕获的信息(与测试资产定价相关)。我们使用四组不同的投资组合作为测试资产，根据盈利能力和AG、INVT、AREC或PPEKoganandPapanikolaou(2012)FF5FAG)，同时使用纽约证券交易所的截尾值来形成投资组合(以与我们论文)。图表8使用宏观经济变量对双重排序市值加权投资组合进行定价资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，在表8中，我们通过第一阶段广义矩估计了因子载荷𝑏𝑀𝐾𝑇和𝑏𝑀𝐴𝐶𝑅𝑂，使用单位矩阵来衡量力矩限制。我们使用标准的矩条件E[Mtrϵ]=0，其中rϵ代表测试资产i的i,t i,t来说，每个面板按AG(A)、INVT(B)AREC(面板C)PPE(D)2555(定价)误差(SSQE)(mape)CAPM即式(3)MACRO因子。8AG定价效力(面板A)，唯一的例外是流动性(LIQ)和信贷市场情绪(HYS)因子。这至少AG因子的HXZFF5FA、BCD中8RD)AG、INVTAREC(B中的TFP)PPE，基于PPE的因子模型表现不佳不太可能是因为其捕捉宏观技术冲击即托宾Q中采用的冲击类型AG、INVTARECPPE(ICS、LEV、CRATBW)。CAY、UNCRSAGAGRSPPE组合的3.1INVTAREC(包含了HXZFF5FAGCAYUNCBC8AG、INVT和AREC子可能与其捕捉总体融资冲击的能力有关，而不是全要素生产率/技术冲击。同时，唯一能在AG、INVT和AREC资产定价而非PPE资产定价起作用的因素是股票市场情绪(BW)。因此，我们更进一步，测试这一因素是否捕捉到独立的定价信息，i,t而这些信息在我们使用的其他宏观经济因素中尚未包含。为此，我们构建了以下形式的三因素SDF:i,t其中𝑀𝐴𝐶𝑅𝑂𝑡是我们此前测试中使用的因子。同样使用力矩限制E[Mtrϵ]=0重复表8中的试验。图表9使用宏观经济变量对双重排序市值加权投资组合进行定价：三因子模型资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，结果见表9。从该表中得到的关键信息是，在几乎所有模型中，当对AG、INVT和AREC面板A、B、CBWPPE(D),BWC中，SDFMACROBelo等人(2019)(ICS)Belo(2019)ICS9BW、INVT和AREC(AICS因子、面板B中的IST、RD和RS因子，以及面板CISTRS因子)PPE(D)TFP、IST、RDCAY、LIQ和RS内在机制探究、INVTARECBeloetal.(2019)Boltonetal.(2013)PPEAG、INVTAREC我们认为，在我们的研究中，短期资产(INVT和AREC)和长期资产(PPE)之间的一个关键区别是它们作为债务融资抵押品的不同价值。基于Bergeretal.(1996)，我们假设一个公司的AREC和INVTPPE1984-1993(INVT)Campello和Hackbarth(2012)产有形性指数，作为企业抵押担保品能力的代理。与我们的假设一致，Campello和Hackbarth(2012)AREC和INVT的变化比对PPE的变化Aietal.(2020)抵押资产应能够在经济衰退时对冲金融约束风险。因此，拥有更多可抵押资产的公。如果，与Bergeretal(1996)CampelloHackbarth(2012)PPE，ARECINVTAietal.(2020)AREC和INVT之间有更强的联系。在Aietal(2020)AREC和INVT(以及AG)因子都是可抵押性溢价的更好的代理。然而，由于Aietal.(2020)的研究没有特别模拟股权融资成本的作用，它不能明确说明股票市场情绪因素在我们的实证中发挥的核心作用。我们认为，Beloetal.(2019)提出的经济机制可能会弥补这一缺失。作者提出(并找到了与之相一致的证据)这样一个观点，即高投资公司应对股权融资成本具有较低的敏感性，因为它们比低投资公司受到的抵押约束更少。这意味着，当面临股权融资成本上升时，它们应该能够更好地用股权替代债务融资。因此，拥有更多可抵押资产的公司应该较少暴露于股权融资成本的冲击。虽然Beloetal.(2019)(CAPX)Bergeretal.(1996)的研究，INVT和AREC比PPE更容易抵押，因此对INVT和AREC(以及AG)的排序可以简单地提供更准确的关于公司抵押约束程度的排序。换句话说，以PPE为基础的因素表现不佳可能是因为它不能较好地作为公司股权替代债务的能力代理变量。图表10股票市场情绪对平均股票发行的影响资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，我们在表10中探索了这一渠道，其中我们报告了AG(面板A)、INVT(面板B)、AREC(面板C)和PPE增长(面板D)前五分之一和后五分之一公司的平均债务和股票发行水平。遵循Beloetal.(2019)的方法，我们通过将平均发行的每个五分之一水平时间序列与实际GDP年增长正交化来控制商业周期冲击对发行活动的影响。然后我们报告了这些正交化序列的平均值，分别针对情绪冲击高和低的时期进行计算。情绪冲击高(低)的时期是相对于我们的GMM测试中使用的BW因子(一年中的平均值)落在顶部(底部)十分位数的年份。所有报告的数字都是百分数。10Beloetal.(2019)低市场情绪时，两个五分位数(Q1和的公司发行更少的股权，但只有前五分位数(Q5)的公司能够用更高的债务发行来替代。底层五分之一国家(Q1)。AG、INVTAREC(ABC)PPE排序面板D)Q5(AG(Q5)、INVT(Q5)AREC(Q5)PPE(Q5)(AG、INVT和AREC50%43%47%PPE减40%)(AG、INVTAREC15%、32%41%PPE6%)AG、INVT和ARECPPE重要的是要认识到，这种债权替代机制的运作独立于导致股权融资成本变化的宏观经济变量。正如Beloetal.(2019)CassellaGulen(2018)“推程度(DOX)指标，并观测基于AG因子的模型性能是否因经济中的过度外推程度而不同。图表11使用夏普比率测试来比较HXZ和FF5F与基于DOX的传统因子模型资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，HXZFF5F(CAPMFF3FC4F)(即高于或低于中值DOX)而变化。我们使用基于最大平方夏普比率的模型比较测试，类似于表2DOX(A1B1)DOX(A2B2)A1A2HXZB1B2FF5F作面板A1显示，当DOX较高时，HXZ模型的表现明显优于CAPM、FF3F和C4FFF5F的表现与HXZ)A2显示，当DOXHXZ的C4FFF3F10%)。类似地，在面板B1中，当DOX较高时，我们看到FF5F模型的表现明显优于CAPM、FF3F和C4FB2DOXFF5FFF3FC4F于过度扩张状态时，包含AG。图表12使用夏普比率测试来比较HXZ和FF5F与基于DOX的替代投资因子模型资料来源：《Theuseofassetgrowthinempiricalassetpricingmodels》，12HXZFF5FA1DOXHXZAGHXZA2DOX:无论我们使用AGHXZ模FF5F风格的模型时，面板B1B2AG(FF5F)DOXB1)DOX时间(B2)当过度外推程度较高时，基于AG图表13基于DOX指标的引