“学海拾珠”系列之一百六十七：企业季度投资激增与股票横截面收益

企业季度投资激增与股票横截面收益 ——“学海拾珠”系列之一百六十七 金融工程 专题报告 主要观点： 报告日期：2023-11-22 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 分析师：吴正宇 执业证书号：S0010522090001邮箱：wuzy@hazq.com 相关报告 1.《基金定期报告中的文本语气能否预测未来业绩？——“学海拾珠”系列之一百�十九》 2.《交易量对波动率的非对称效应— —“学海拾珠”系列之一百六十》 3.《因子间相关性与横截面资产回报 ——“学海拾珠”系列之一百六十一》 4.《基金超额能力、规模报酬递减与价值创造——“学海拾珠”系列之一百六十二》 5.《奇异值分解熵对股市动态预测能力——“学海拾珠”系列之一百六十三》 6.《MemSum：基于多步情景马尔可夫决策过程的长文档摘要提取——“学海拾珠”系列之一百六十四》 7.《均衡配置宏观经济因子：分散效果如何？——“学海拾珠”系列之一百六十�》 8.《基金波动率来源与基金业绩——“学海拾珠”系列之一百六十六》 本篇是“学海拾珠”系列第一百六十七篇，研究了第四季度资本支 出的激增（qspike）与股票横截面收益的关系。作者发现第四季度异常的资本支出与股票未来收益存在负相关性，但与同期收益呈正相关；与常用的投资因子ag有关，但并不完全等价。回到国内市场，传统投资类 因子收益预测能力较为一般，本文对投资因子的构建新思路值得借鉴。 qspike因子是对年末资本投资异常的衡量，与股票回报有关 qspike代表第四季度的投资激增，采用季度数据来衡量公司在第四 季度的任何资本支出的异常增减。该因子不仅是捕捉公司贴现率预期不 断变化的有效信号，而且揭示了有关代理成本的相关信息。但这两个作用机制可能共存于数据中，因此很难将其区分。实证分析结果表明qspike与股票未来收益呈负相关，与股票同期收益呈正相关。 qspike因子与ag因子相关，但不完全等价 实证结果表明qspike因子与ag因子见存在很强的时序相关性，但 是ag因子具有持续性，qspike因子没有显示出时间上的持续性，更多地是捕捉公司投资决策的短期调整。因此，两个因子虽然相关，但捕捉到股票回报不同方面的变化。 有限套利理论可以部分解释qspike因子 本文作者进行了额外的测试来对作用机制展开研究，发现投资异常 与有关错误定价的有限套利理论存在更强的关联，而与投资摩擦相关的q理论仅有微弱的联系。此外，检验结果表明在高派息率、低债务水平和高特质风险情况下会放大qspike效应，存在可能过度投资的问题。 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 1引言4 2数据和投资组合构建6 2.1资本支出的季度激增7 2.2投资组合构建说明7 3主要投资组合结果8 3.1单变量投资组合分析8 3.2时序证据9 4剖析投资因子10 4.1投资组合构成的比较10 4.2双变量分类组合13 5经济机制研究14 5.1股票截面收益14 5.2同期股票收益18 5.3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：1995-200517 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 1引言 图表1文章框架 资料来源：华安证券研究所整理 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�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，低资产增长的公司每月获得0.35%的超额收益，高资产增长的公司每月获得0.29%的超额收益。当颠倒排序顺序时，作者发现只有具有高qspike值的公司仍然显示出强烈的资产增长效应，这一结果支持了资产增长和qspike因子至少部分捕捉了收益的一些不同变化的观点，但在实证中很难将它们区分开来。 为了进一步研究股票横截面收益与投资因子间的负向联系的驱动机制，本文沿用了Li和Zhang（2010）的概念框架，即根据收益敏感性区分q理论和错误定价解释。先前的研究将代理冲突归因于错误定价解释（Lametal.，2020）。根据q理论，投资因子应该更依赖于投资或者融资摩擦，而错误定价应与有限套利有更强的关联。Li和Zhang（2010）和Lametal.（2020）只发现了支持融资约束的微弱证据，认为投资异常与有限套利有更强的关联（Shleifer和Vishny，1997）。 本文的检验也显示出类似的结果：仅有微弱的证据支持qspike效应的q理论，特别是较高的回报与较弱的投资效应有关。另一方面，有限套利检验表明具有高特质风险的公司的子样本的斜率更大，尤其是在1995年至2005年期间。这些年份的特征是大量资本投资于互联网行业，同时管理监督相对薄弱，这与Kahle和Stulz （2021）文献提供的证据相一致。无论是有限套利理论还是q理论，都只能部分解释投资异常与股票回报之间的联系。 Lamont（2000）认为如果投资因子包含贴现率变化的信息，那么当前股票收 益较高的公司应该增加投资。因此，本文基于同期股票回报的qspike值建立投资组 合分析，并发现高qspike投资组合的表现明显优于低qspike投资组合。这些发现 支持了投资因子是有意义的观点，并表明这些年末的投资调整包含了一些关于贴现率变化的相关信息。归根结底，本文的分析表明投资决策与股票回报之间存在着错综复杂的联系，这种联系可能涉及多个层面，因此很难区分对qspike提出的两种解释。 本文对相关领域的研究有所贡献。本文补充了关于第四季度的投资激增对资本支出影响的证据。Shin和Kim（2022）发现第四季度的资本支出超过之前三个季度，并且这些年末投资与托宾Q的相关性较弱，尤其是对于大型、现金充裕和多元化公司而言，他们将其解释为代理成本的证据。Kinney和Trezevant（1993）以及最近的Xu和Zwick（2022）则从另一个角度出发，认为税收鼓励也会导致第四季度的投资激增，因为年末投资能产生部分折旧税盾。 本文作者通过研究qspike与股票回报之间的关系，将qspike引入资产定价中。Moeller和Rangvid（2015，2018）通过宏观层面的时间序列分析发现第四季度宏观经济增长可有力地预测股票总回报。Wen（2018）进一步证明了在年度频率上资产增长的相关性。Jagannathan和Wang（2007）、Jagannathanetal.（2012）发现当使用年末消费额计算beta时，基于消费的CAPM模型的表现提高了对股票横截面收益的解释力。 通过资本支出构建投资组合时，自然会将分析与投资因子联系起来。有几篇有影响力的论文与股票收益中的投资异常有关（Titmanetal.，2004；Anderson和Garcia-Feijoo，2006；Xing，2007；Polk和Sapienza，2008）。这些研究主要是 通过从一年到另一年的资本支出的增加来捕捉异常投资，但本文的研究方法则不同，通过捕捉年末的投资异常。同时，投资因子的样本外检验结果也较弱，尤其是对于发展中国家（Titmanetal.，2013）和1940年至1963年间美国股票收益率（Wahal， 2019），这表明对该主题进行更深入研究的必要性。 本文的研究与Lam和Wei（2011），Lametal.（2020），和Lipsonetal.（2011）有关，他们发现投资异常与有限套利理论有关。Watanabeetal.（2013）提出了相互矛盾的证据，并表明投资异常在定价效率较高的发达市场尤为明显。本文作者的发现至少部分支持解释过度投资和股票回报之间负相关的有限套利理论。 最后，本文的研究结果有助于近期关于资产定价模型中添加的投资因子的讨论。投资CAPM（Zhang，2017）依据Fama和French（2015）的�因子模型和Hou etal.（2015）的q因子模型建立的，提供了为什么资本投资是有效市场中股票横截面收益的定价因素的论据。基于Jagannathan和Wang（2007）关于年末消费提高了消费CAPM模型表现的见解，本文作者证明了qs