رشد دارایی و بازده بازار سهام: تجزیه و تحلیل سری زمانی *

من می دانم که رشد دارایی های کل ساخته شده از داده های پایین به بالا ، بازده بازار آینده را هم در خارج و چه از نمونه پیش بینی می کند و این نتیجه در کشورهای G7 قوی است. من همچنین نشان می دهم که رشد دارایی کل حاوی اطلاعاتی در مورد بازده بازار آینده نیست که توسط متغیرهای کلان اقتصادی سنتی و سایر اقدامات سرمایه گذاری یا رشد ضبط نشده است. توانایی پیش بینی رشد دارایی به شدت با تمایل خود برای پیش بینی پیش بینی های تحلیلگر خوش بینانه تر و تجدید نظر های نزولی متعاقب آن ، تعجب درآمدها و خطاهای سیستماتیک در انتظارات سرمایه گذاران ارتباط دارد. حق بیمه خطر متغیر زمان نیز در توضیح پیش بینی بازگشت مستند به نظر می رسد.

1. معرفی

به خوبی مستند است که بنگاه هایی که از طریق سهام عدالت یا بدهی ها رشد سریع را تجربه می کنند ، بازده سهام کمتری دارند ، در حالی که شرکت هایی که از طریق اسپینوف ، بازخریدهای سهم و پیش پرداخت بدهی ها را تجربه می کنند ، از بازده های آینده بالایی برخوردار هستند. کوپر ، گلن و شیل (2008) یک اندازه گیری ساده اما جامع از رشد شرکت ، رشد کل دارایی را ایجاد می کنند و می یابند که این یک پیش بینی کننده قوی و منفی از تغییرات مقطعی در بازده سهام است. مطالعات دیگر نشان می دهد که اثر رشد دارایی در مورد سهام در تمام اندازه ها اعمال می شود (لیپسون ، فانی ، و شیل ، 2011) و در بازارهای سهام بین المللی قوی است (به عنوان مثال ، واتانابه و همکاران ، 2013 ؛ تیتمن ، وی و Xie ، 2013)بشرمطالعات اخیر نشان می دهد که یک عامل سرمایه گذاری با مرتب سازی بر رشد کل دارایی ، قدرت توضیحی را برای مقطع متوسط بازده سهام و بازده ناهنجاری می افزاید (به عنوان مثال ، Fama و French ، 2015 ، 2016 ؛ Hou ، Xue و Zhang ، 2015)بشر

اگرچه شواهد فراوانی در مورد تأثیر رشد دارایی در سطح شرکت وجود دارد ، اما بیشتر تجزیه و تحلیل ها بر مقطع بازده سهام متمرکز شده اند. در این مقاله ، من آزمایش می کنم که آیا اثر رشد دارایی در داده های کل نشان داده شده است ، و اینکه آیا اثر رشد دارایی در سطح شرکت تا سطح کل گسترش می یابد یا خیر. مشخص است که روابط سطح شرکت لزوماً در سطح کل قرار نمی گیرد. به عنوان مثال ، Kothari و Shanken (1997) ، و Pontiff و Schall (1998) شواهدی را ارائه می دهند که نسبت کتاب به بازار به طور مثبت بازده بورس سهام را مطابق با شواهد در سطح شرکت پیش بینی می کند. بیکر و وورگلر (2000) دریافتند که عملکرد ضعیف بازده پس از صدور سهام عدالت به سطح بازار گسترش می یابد. با این حال ، Hirshleifer ، Hou و Teoh ، (2009) معکوس در رابطه بازده تعهدی از منفی در سطح شرکت (Sloan ، 1996) تا مثبت در سطح کل پیدا می کنند. بنابراین ، این یک سؤال تجربی باز است که آیا اثر رشد دارایی برای بازار سهام کل وجود دارد یا خیر.

به عنوان متغیر اصلی آزمون من ، من یک اندازه گیری کل از رشد کل دارایی ها ، یعنی درصد تغییر در کل دارایی ها ، با استفاده از داده های سطح شرکت ایجاد می کنم. سپس من به صورت تجربی توانایی رشد دارایی کل (AG ، از این پس) را برای پیش بینی بازده اضافی بورس بررسی می کنم. من می دانم که برای دوره 1972-2016 ، AG پیش بینی کننده قوی و منفی بازده بازار سهام آینده است. تست های نمونه نشان می دهد که افزایش انحراف یک استاندارد در AG سه ماهه با کاهش تقریبا 2. 4 ٪ در بازده بازار یک چهارم همراه است ، با آمار R 2 7. 18 ٪ در افق سه ماهه. پیش بینی در هنگام کنترل متغیرهای کلان اقتصادی شناخته شده که مربوط به حق بیمه خطر متغیر زمان است ، قوی است. با انگیزه Goyal و Welch (2008) ، من مجموعه گسترده ای از آزمایشات خارج از نمونه را با استفاده از AG انجام می دهم و مقادیر R 2 خارج از نمونه مثبت و معنادار را پیدا می کنم (کمپبل و تامپسون ، 2008) از 2. 52 ٪ تا 8. 32 ٪، که به طور قابل توجهی بزرگتر از پیش بینی کننده های مردمی در ادبیات هستند. تجزیه و تحلیل تجزیه واریانس نشان می دهد که هم شرکتهای فرعی سرمایه گذاری و هم تأمین مالی رشد دارایی به طور قابل توجهی در بازگشت قابلیت پیش بینی نقش دارند.

ذکر این نکته ضروری است که AG چندین مشاهدات تأثیرگذار دارد. به عنوان مثال، AG تنها در طول دوره حباب فناوری از 1999 Q4 تا 2000 Q2 بالای 10٪ است و بازده بازار پس از این دوره بسیار پایین است. علاوه بر این، AG تنها در طول بحران مالی اخیر از 2008 Q4 تا 2009 Q1 منفی است و بازده بازار پس از این دوره بالا است. در تست های استحکام، متوجه شدم که حذف این مشاهدات تاثیرگذار ضریب پیش بینی درون نمونه و R2 AG را به ترتیب حدود یک سوم و یک نصف برای بازده بازار یک چهارم جلوتر کاهش می دهد. با این حال، ضریب پیش بینی بر روی AG از نظر آماری در سطح 5٪ معنی دار باقی می ماند، که نشان می دهد AG پیش بینی کننده منفی بازده بازار سهام است. برای کاهش بیشتر این نگرانی که الگوی تجربی مستند شده در ایالات متحده به مشاهدات تأثیرگذار یا تعصبات جاسوسی داده نسبت داده می شود، تجزیه و تحلیل را به سایر کشورهای G7 تعمیم می دهم. من متوجه شدم که قابلیت پیش بینی در اکثر این کشورها از نظر آماری معنادار و از نظر اقتصادی بزرگ است.

من بررسی های استحکام بیشتری را روی قدرت پیش بینی AG انجام می دهم. اول، من متوجه شدم که AG پس از کنترل چندین متغیر سرمایه گذاری یا رشد مستند، پیش بینی کننده قوی بازده بازار آینده باقی می ماند. دوم، من از بازده بازار سهام با وزن برابر به جای بازده ارزشی به عنوان متغیر وابسته استفاده می کنم و نتایج مشابهی پیدا می کنم. ثالثاً، نتایج نسبت به معیار جایگزین AG، که به عنوان نرخ رشد فصلی کل دارایی ها بر اساس همه شرکت ها تعریف می شود، قوی هستند. چهارم، من آزمایش های فصلی را روی AG انجام می دهم و نشان می دهم که رشد سال به سال بازده را نیز پیش بینی می کند. در نهایت، با انگیزه مولر و رنگوید (2015، 2017) در رابطه با اثر پایان سال رشد اقتصاد کلان، من قابلیت پیش بینی AG را به طور جداگانه برای هر یک از چهار فصل تقویمی بررسی می کنم و متوجه می شوم که قدرت پیش بینی در پایان متمرکز نیست. سال

یافته اصلی مبنی بر پیش بینی منفی AG می تواند با توضیحات منطقی و رفتاری سازگار باشد. توضیح منطقی ، بر اساس Q-theory of Investment یا مدل گزینه واقعی ، استدلال می کند که بازده منعکس کننده جبران ریسک است ، در این که شرکت ها وقتی نرخ تخفیف (یعنی هزینه های سرمایه) پایین تر است ، سرمایه گذاری های بزرگی انجام می دهند. 1 از طرف رفتاری ، توضیحات برون یابی (تیتمن ، وی ، و Xie ، 2004 ؛ کوپر ، گلن و شیل ، 2008) استدلال می کنند که سرمایه گذاران هنگام ارزش گذاری شرکت ها ، بیش از حد از رشد گذشته خارج می شوند. علاوه بر این ، توضیحات نادرست ون بنزبرگن و OPP (2017) نشان می دهد که اثر رشد دارایی از شرکتهای دارای قیمت های تورم (تخریب شده) بیش از حد سرمایه گذاری (زیر سرمایه گذاری) در سرمایه امروز حاصل می شود. رابطه منفی بین سرمایه گذاری یا رشد و بازده سهام آینده زمانی بوجود می آید که سرمایه گذاران متعاقباً از واژگونی عملکرد شگفت زده شوند.

از نظر تجربی دشوار است که توضیحات منطقی و نادرست را برای تأثیر رشد دارایی جدا کنیم ، زیرا پروکسی برای اصطکاک سرمایه گذاری و برای محدودیت به آربیتراژ بسیار همبسته است (لام و وی ، 2011). علاوه بر این ، انتظارات ذهنی سرمایه گذاران از ریسک و بازده سهام به شدت تحت تأثیر ادراک از شرایط اقتصادی است (Amromin and Sharpe ، 2014). برای بررسی این تفسیرهای جایگزین ، من ابتدا روابط بین AG و متغیرهایی را که شناخته شده است به چرخه های تجاری یا حق بیمه خطر متغیر زمان ، مانند شکاف خروجی مرتبط است ، بررسی می کنم (کوپر و پریستلی ، 2009) سرمایه گذاری سرمایه گذاری-نسبت (کوکران ، 1991 ، 1996) و رشد سرمایه گذاری مورد انتظار کل (AEIG) (لی ، وانگ ، و یو ، 2017). برای هر سه اقدام ، من قدرت پیش بینی قوی و مثبتی را در Ag می دانم. علاوه بر این ، AG با اقدامات عدم قطعیت اقتصادی مانند پراکندگی در رشد تولید ناخالص داخلی ، رشد تولید صنعتی و پراکندگی در سود شرکت ها ارتباط منفی دارد (اندرسون ، گیزلز ، و جورگنز ، 2009 ؛ بالی ، براون و تانگ ، 2017)بشراز آنجا که افزایش عدم اطمینان به معنای هزینه بالاتر سرمایه است ، AG کاهش می یابد و با بازده پایین بازار آینده منفی است. بنابراین ، حق بیمه ریسک متغیر زمان به دلیل کمترین میزان ریسک در زیر دوره های AG بالا می تواند به توانایی پیش بینی کننده Ag کمک کند.

فرضیه Overextrapolation استدلال می کند که سرمایه گذاران بیش از حد از رشد گذشته در هنگام ارزش گذاری بنگاه ها ، از رشد گذشته خارج می شوند و متعاقباً از اخبار درآمد بد شگفت زده می شوند ، احتمالاً به دلیل سرمایه گذاری بیش از حد مدیر و ساختمان امپراتوری. من می دانم که AG به شدت پیش بینی اخبار درآمد کل را بر اساس اصلاحات پیش بینی تحلیلگر و همچنین خطاهای پیش بینی تحلیلگر پیش بینی می کند. علاوه بر این ، High AG با بازده اعلامیه درآمدی پایین تر و ناامیدی درآمد بیشتر همراه است. به حدی که تحلیلگر پیش بینی خطاها و اصلاحات اخبار درآمد را به بازار منتقل می کند ، این یافته ها حاکی از آن است که عدم تشخیص مؤلفه قابل پیش بینی خطاها و تجدید نظر های پیش بینی می تواند منجر به پیش بینی بازده شود.

این مطالعه به ادبیات در طول چندین بعد کمک می کند. اول ، پیش بینی سری زمانی مرتبط با AG ، تجزیه و تحلیل مقطعی کوپر ، گالن و شیل را تکمیل می کند (2008). دوم ، من شواهدی را ارائه می دهم که نشان می دهد هر دو حق بیمه ریسک متغیر زمان و هم تعصبات رفتاری سرمایه گذار نقش مهمی در پیش بینی بازده بازار دارند. این یافته ها نتایج لام و وی (2011) را در تشخیص توضیحات جایگزین از منبع رشد دارایی گسترش می دهد. سرانجام ، شواهد موجود در این مطالعه همچنین با نشان دادن اینکه تعصبات رفتاری سرمایه گذاران نقش مهمی در پیش بینی بازگشت دارند ، نتایج لی و یو (2012) را نیز گسترش می دهد.

باقی مانده از مقاله به شرح زیر سازماندهی شده است. بخش 2 داده ها و ساخت متغیر را ارائه می دهد. بخش 3 روشها و نتایج تجربی را شرح می دهد. بخش 4 تعدادی از توضیحات احتمالی را در مورد منبع پیش بینی بازده بازار بررسی می کند. بخش 5 مقاله را نتیجه می گیرد.

2. داده ها و ساخت متغیر

2. 1 داده

بازده کل بورس سهام به عنوان بازده اضافی محاسبه می شود ، که بازده ورود مداوم به طور مداوم در شاخص وزن ارزش CRSP (VWRET) و شاخص S& P500 (از جمله سود سهام) منهای نرخ ریسک است. نمونه اطلاعات حسابداری در سطح شرکت و ارزش کتاب کل دارایی ها از پرونده های سه ماهه Compustat برای دوره از 1972Q1 تا 2016Q4 بدست می آید. سه ماهه شروع با در دسترس بودن داده های سه ماهه در Compustat محدود می شود. به دنبال کوپر ، گلن و شیل (2008) ، من رشد دارایی سطح شرکت را به عنوان درصد تغییر در ارزش کتاب کل دارایی ها تعریف می کنم ،

Ag J ، t = at J ، t - at J ، t - 1 at J ، t - 1.

من شرکت های مالی (کدهای SIC 6000-6999) را از نمونه حذف می کنم. من رشد دارایی کل (AG) را به عنوان میانگین ارزش وزن رشد دارایی در سطح شرکت محاسبه می کنم ، با استفاده از سرمایه گذاری در بازار از پایان سه ماهه مالی. این رویکرد تجمع از پایین به بالا شبیه به Hirshleifer ، Hou و Teoh (2009) است که یک اندازه گیری کل از تعهدی ها را می سازند و رابطه آن را با بازده بازار سهام بررسی می کنند. 4 برای اطمینان از اینکه اطلاعات حسابداری در ابتدای سه ماهه بازگشت به سرمایه گذاران شناخته شده است ، من یک شکاف 6 ماهه را برای اطلاعات حسابداری به دنبال FAMA و فرانسوی (1992) و Kothari and Shanken (1997) به دست می آورم. 5

برای ارتباط با یافته های من با بدن گسترده ادبیات در مورد پیش بینی بازگشت بازار ، توانایی پیش بینی Ag را با متغیرهای پیش بینی کننده متداول مقایسه می کنم. این متغیرها شامل نسبت درآمد به قیمت به قیمت (EP) ، نسبت سود سهام به قیمت (DP) ، نسبت کتاب به بازار (BM) ، نرخ قبض خزانه (TBL) ، اصطلاح گسترش (اصطلاح گسترش ()TMS) ، عملکرد پیش فرض (DFY) ، صدور سهام خالص (NTIS) ، واریانس سهام (SVAR) ، نسبت مصرف Wealth (CAY) و شکاف خروجی (کوپر و پریستلی ، 2009).

2. 2 آمار توصیفی

جدول I آمار خلاصه ای را برای بازده بازار سهام ، AG و سایر پیش بینی کننده های بازگشت برای دوره از 1972Q1 تا 2016Q4 گزارش می کند. در پانل A ، میانگین سه ماهه بازده اضافی ارزش وزن (VWRET) 1. 3 ٪ و میانگین بازده بیش از حد سه ماهه در S& P500 0. 6 ٪ است که انحراف استاندارد به ترتیب 8. 7 ٪ و 8. 2 ٪ است. بر خلاف متغیرهای با قیمت مقیاس مانند نسبت سود به قیمت یا نسبت کتاب به بازار ، که بسیار پایدار هستند ، AG همبستگی مرتبه اول 0. 56 را نشان می دهد. آزمون افزودنی دیک ی-مولفر ، تهی را رد می کند که AG دارای ریشه واحد است.

جدول I.

در جدول آمار خلاصه ای برای بازده بازار ، رشد دارایی کل (AG) و سایر پیش بینی کننده های بازده گزارش شده است. بازده بازار سه ماهه (در لگاریتم) با ترکیب بازده ماهانه برای هر سه ماهه محاسبه می شود. VWRET (اضافی) بازده اضافی بازار با ارزش است. S& P500 (اضافی) بازده اضافی S & P500 است. VWRET (RAW) بازده بازار خام با وزن است. S& P500 (خام) بازگشت خام S& P500 است. AG میانگین ارزش وزن از رشد دارایی در سطح شرکت است که به عنوان تغییر درصد سه ماهه چهارم در ارزش کتاب دارایی های کل تعریف شده است. سایر متغیرهای پیش بینی کننده تعاریف موجود در Goyal و Welch (2008) را دنبال می کنند. EP نسبت درآمد به قیمت است. DP نسبت سود سهام به قیمت است. BM نسبت کتاب به بازار است. TBL نرخ دم T 30 روزه است. TMS تفاوت بین بازده بلند مدت در اوراق قرضه دولتی و قبض خزانه داری است. DFY تفاوت بین اوراق قرضه شرکت های دارای رتبه AAA است. NTIS صدور سهام خالص است. SVAR واریانس سهام است. IK نسبت سرمایه گذاری به سرمایه است. Cay نسبت مصرف بهداشتی است. شکاف شکاف خروجی است. P (ADF) P-Value است که با تست تقویت شده Dicke y-Fuller از ریشه واحد همراه است. دوره نمونه 1972Q1-2016Q4 است.

جدول I.

در جدول آمار خلاصه ای برای بازده بازار ، رشد دارایی کل (AG) و سایر پیش بینی کننده های بازده گزارش شده است. بازده بازار سه ماهه (در لگاریتم) با ترکیب بازده ماهانه برای هر سه ماهه محاسبه می شود. VWRET (اضافی) بازده اضافی بازار با ارزش است. S& P500 (اضافی) بازده اضافی S & P500 است. VWRET (RAW) بازده بازار خام با وزن است. S& P500 (خام) بازگشت خام S& P500 است. AG میانگین ارزش وزن از رشد دارایی در سطح شرکت است که به عنوان تغییر درصد سه ماهه چهارم در ارزش کتاب دارایی های کل تعریف شده است. سایر متغیرهای پیش بینی کننده تعاریف موجود در Goyal و Welch (2008) را دنبال می کنند. EP نسبت درآمد به قیمت است. DP نسبت سود سهام به قیمت است. BM نسبت کتاب به بازار است. TBL نرخ دم T 30 روزه است. TMS تفاوت بین بازده بلند مدت در اوراق قرضه دولتی و قبض خزانه داری است. DFY تفاوت بین اوراق قرضه شرکت های دارای رتبه AAA است. NTIS صدور سهام خالص است. SVAR واریانس سهام است. IK نسبت سرمایه گذاری به سرمایه است. Cay نسبت مصرف بهداشتی است. شکاف شکاف خروجی است. P (ADF) P-Value است که با تست تقویت شده Dicke y-Fuller از ریشه واحد همراه است. دوره نمونه 1972Q1-2016Q4 است.