企业季度投资激增与股票横截面收益.docx

正文目录

引言 4

数据和投资组合构建 6

资本支出的季度激增 7

投资组合构建说明 7

主要投资组合结果 8

单变量投资组合分析 8

时序证据 9

剖析投资因子 10

投资组合构成的比较 10

双变量分类组合 13

经济机制研究 14

股票截面收益 14

同期股票收益 18

盈利能力的变化 19

6结论 20

风险提示： 21

图表目录

图表1文章框架 4

图表2季度资本支出的时间序列 7

图表3单变量分类投资组合 9

图表4多空投资组合收益 9

图表5多空投资组合VS.因子 10

图表6Q4激增的时间序列 11

图表7围绕投资组合形成的投资因子的事件研究 12

图表8投资组合与资产增长的重叠 13

图表9双变量分类组合 14

图表10FAMA-MACBETH回归 15

图表11Q理论、有限套利理论和投资因子 16

图表12Q理论、有限套利理论和投资因子：1995-2005 17

图表13对空对冲投资组合：长期债务 18

图表14单变量投资组合（同期收益） 19

图表15投资组合的盈利能力变化 20

引言

图表1文章框架

资料来源：

企业投资决策是财务决策的核心。当建立公司资本存量时，管理者通常被要求做出长期承诺，但这些承诺撤销时往往要付出高昂的代价，同时还要面对高度不确定性（Abel和Eberly，1994）。因此，以往文献提出了投资决策和股票回报之间的复杂的理论联系（Cochrane，1991，1996；Berkeral.；1999）。许多文献表明高资本投资或高资产增长的公司股票表现不如低资本投资的公司（Titmanetal.，2004；Cooperetal.，2008）。但这一系列研究面临的一个挑战是如何确定投资的实证代理指标（Lamont，2000；Aharonietal.，2013）。

在本文中，作者提出了一种在资产定价背景下捕捉资本投资临时调整的新方法。作者不是去衡量资本投资或者总资产增长的年度变化，而是采用季度数据，并且考虑公司财政年度的第四季度发生的资本支出的异常增减。作者将其称为第四季度投资激增，简称qspike，定义为第四季度资本支出除以之前三个季度资本支出均值的比率。

这个变量关于股票回报的横截面分析有两种解释。首先，根据Jagannathan和

Wang（2007）的观点，投资者在年末会更加关注他们所持有的投资组合，企业也可能在年末更加关注他们的投资政策，从而使得投资率对其贴现率更加敏感。此外，通过改用更高频的数据，可能会改进对长期投资计划的主动变化的衡量。因此，在样一个观点下，qspike是捕捉到企业对贴现率预期变化的更有效的信号。

另一种解释是基于qspike可以捕捉过度投资问题的假设（Shin和Kim，2022）。由于投资决策由管理者自行决定且难以核实，因此很容易出现代理冲突。如果考虑到投资预算的典型分配方式，激励管理者在年末加速投资，情况更是如此。如果市场没有被充分预期，这种低效率的投资观点会对股票的截面收益产生负面影响

（Titmanetal.，2004）。同时，也可以将其解释为一种额外的投资摩擦，类似于Houetal.（2015）的q因子模型中的调整成本。

本文分析使用的是1986年至2019年所有在美国上市公司样本。在根据qspike值对股票进行排序后，将他们分为三个投资组合。本文主要结果表明qspike值越高的公司具有更低的股票回报率。具体来说，在本文的34年的样本中，做多低qspike股票、做空高qspike股票的零投资组合平均月回报率为0.36%。遗憾的是，这一发现并不能区分这两种理论，因为尽管这两种理论都预测qspike与未来股票回报存在负相关性，但是一种理论具有积极的含义，而另一种则具有消极的含义。

下一步，本文将变量qspike与年资产增长进行比较，后者是常见的资产定价模型中投资因子的基础，通常与贴现率相关。这也验证了qspike的结果并没有机械地复制投资因子。当绘制基于投资因子的多空投资组合的收益时，作者观察到序列存在很强的自相关性。在投资组合形成的前后五年内跟踪两个投资因子时，作者发现资产增长具有持续性，存在很强的前趋势。但是，qspike没有显示出时间上的持续性，这表明与这两个因子并不完全重合，因为激增因子捕捉到企业投资政策中更多的短期调整。

然后，本文作者进行顺序双重排序，首先基于资产增长，然后基于qspike值。即使控制了资产增长，作者仍然发现qspike效应的证据：根据qspike值构建零投资组合，低