“学海拾珠”系列之一百九十六：宏观环境对价值溢价的影响

宏观环境对价值溢价的影响 ——“学海拾珠”系列之一百九十六 金融工程 专题报告 主要观点： 报告日期：2024-07-17 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.盈余公告后的机构共识:信息还是拥挤?——“学海拾珠”系列之一百九十 �》 2.《言行统一:策略一致性与基金业绩 ——“学海拾珠”系列之一百九十四》 3.《本地同行对股利支付决策的影响— —“学海拾珠”系列之一百九十三》4.《Beta异象对基金业绩的影响——“学海拾珠”系列之一百九十二》 5.《宏观经济信息与股票-债券协动性- ——“学海拾珠”系列之一百九十一》6.《基于改进的CTGAN-PlusFeatures的资产配置优化方法——学海拾珠"系列之一百九十》 7.《基于复合模型构造行业ETF组合 ——“学海拾珠"系列之一百八十九》 8.《行业羊群行为与动量策略学海拾珠”系列之一百八十八》 本文研究了宏观经济预期对价值溢价的影响。本文采用了一种两步 估计法，旨在剖析投资者宏观预期对公司内在价值评估的影响。研究发现，期限结构的水平和斜率影响估值水平，这一效应在不同行业间展现出强烈的差异性，凸显了行业特性在宏观经济预期与价值评估互动中的 关键作用。进一步的，通过构建与宏观经济变量保持正交性的指标排序投资组合，本研究揭示了价值溢价中潜在的误估成分与规模风险之间存在着不容忽视的紧密联系。为了更纯粹地揭示宏观经济预期对价值溢价的补偿效应，本研究剥离了宏观经济波动及市值因素的干扰，从而独立出价值溢价中直接响应于宏观经济预期的那一部分。 回到A股市场，宏观经济预期如何对风格因子产生影响一直是投资者关注的领域，本文的研究思路值得借鉴。 宏观经济预期对价值溢价的影响 研究表明，期限结构的水平和斜率显著影响估值倍数，且这一效应显著地呈现出行业依赖特性。通过分解市净率，研究进一步凸显了宏观经 济变量如何跨行业地塑造并影响着企业的估值。具体而言，期限结构的 水平和斜率被证实对估值有重大影响，这揭示了宏观经济预期在厘定价 值溢价时的核心作用。 与宏观经济变量正交的成分和市值风险 基于与宏观经济变量正交的指标构建的排序投资组合显示，价值溢价的错误估值成分与规模风险之间存在明显关联。当综合考虑宏观经济状况和市值时，能够清晰地将价值溢价中补偿宏观经济预期的部分与之区分开来。这表明，价值溢价的很大一部分实际上是对市值风险的补偿，而不仅仅源于错误估值的异象。 控制宏观经济条件时，价值溢价减少 当消除宏观经济条件的影响时，与公司特定错误估值相关的超额回报明显减少。这表明宏观经济条件约占价值溢价的17%，强调了要完全理解价值溢价现象，必须整合宏观经济风险。研究结果表明，必须同时考虑宏观经济变量和市值风险，才能准确捕捉价值溢价。 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价值溢价和RKRV市净率分解5 2.1回报数据和行业分类5 2.2RKRV分解5 2.3基本价值估算6 2.4将价值溢价归因于RKRV成分7 2.5价值溢价、期限利差和杠杆9 3宏观经济变量对价值溢价的影响11 3.1变量11 3.2分离宏观经济影响与估值倍数11 3.3比较资产定价的影响14 4结论21 风险提示：21 图表目录 图表1文章框架4 图表2估值倍数和RKRV分解7 图表3研究中所用行业的几种描述性统计8 图表4按RKRV成分排序的投资组合的阿尔法值10 图表5对于期限利差和美国10年期国债收益率的回归（7）估计13 图表6ISM制造业采购经理人指数和美国经济领先指标委员会领先经济指标的回归估计结果14 图表7按市盈率和市净率组成的投资组合的平均规模、平均波动率和事前Β15 图表8在与期限利差正交的市值账面比构建的投资组合的平均市值、平均波动和事前Β17 图表9市值账面比率与美国10年期国债收益率正交的投资组合的平均市值、平均波动率和事前Β18 图表10按期限利差正交的市场账面比率成分排序的投资组合平均月度回报20 1引言 图表1文章框架 资料来源：华安证券研究所整理 本研究旨在剖析价值溢价与一系列宏观经济变量之间的关系，这些变量在资产定价领域内被广泛视为富含信息，对塑造宏观经济风险预期具有举足轻重的作用。首先，本研究采取自下而上的视角，旨在揭示并推断宏观经济变量中蕴含的预期如 何具体作用于价值溢价。既往文献多聚焦于价值股票的特定属性（诸如杠杆率、贝塔系数等），试图为价值溢价现象提供宏观经济层面的解释。然而，这些研究往往面临实证结果不一致性的挑战，根源在于宏观经济预期对价值股票回报的影响机制错综复杂且多变（Maloney&Moskowitz,2021）。一个典型的例证是，尽管金融环境宽松，但2009至2016年间价值股票的表现却令人失望，这直接挑战了基于杠杆 效应的价值溢价解释。宏观经济预期与价值溢价之间缺乏证据表明，这种研究不能 以单一特征为基础。相反，将行业与宏观经济变量表现联系起来的关系往往更稳定， 并且更容易受到与经济活动结构性中断相关的偶发性冲击（如信息技术的出现）。简而言之，关注单一基本特征会导致一致性问题，而通过考虑行业异质性，本文的分析抓住了更稳定的关系。 此外，为了研究宏观经济条件对各行业内在价值的影响，本文使用RKRV建议的基本倍数，直接剖析这些衡量指标对宏观经济环境的敏感性。由于这些倍数包含了对增长和贴现率的预测，它们的时变估计应反映宏观经济情景的预期。为了在回归设置中探讨这一联系，本文首先选择了一组影响股票价格预期、非基本成分的主要宏观经济变量：期限利差、10年期美国国债收益率、ISM制造业采购经理人指数和会议委员会领先经济指数。这四个变量广泛用于时间序列宏观经济因素模型，并且在从业者中非常受欢迎，作为广泛的经济周期指标。本文发现，期限结构的斜率和10年期国债收益率显著影响基本倍数，从而对内在价值的评估产生影响。本文的证据表明，根据行业的不同，偏离基本价值的情况受期限结构的水平和斜率的显著影响。 为了研究与宏观无关的价值效应，本文根据与宏观经济变量正交的基本价值构建了排序十分位投资组合，并研究了它们的特征。本文的关键性实证发现是，投资组合的平均市值在各组中单调增加。因此，当本文控制宏观经济变量的影响时，价值溢价（约4%）在很大程度上奖励市值风险。进一步的，当控制市值和宏观经济条件时，最低和最高投资组合的回报差距约为1.5%，显著小于按GK方法构建投资组合时的同等市值调整后的差异（回报差距约为1.8%）。相对于GK，这种减少有助于理解GK的误估溢价部分归因于宏观经济条件。这些实证发现表明，宏观经济条件解释了约17%的价值溢价。因此，价值溢价的解释应充分整合宏观经济条件的影响。 2价值溢价和RKRV市净率分解 价值策略在与单因素模型（如CAPM）或包含规模的双因素模型（如Fama和French，1992）的预测相比时能够获得异常回报。关于这一异常现象原因的激烈经典辩论可以总结为一个问题：这些超额回报反映的是行为偏差还是仅仅是额外风险的补偿？ 在基于风险的解释下，价值溢价反映了由于资产组合的不同而产生的风险差异，例如，资产组合中现有资产相对于增长期权的风险特征（Zhang，2005）、现金流的不确定性（Campbell&Vuolteenaho，2004）、困境风险（Fama&French，1995，1996），或资产风险和杠杆（Choi，2013；Obreja，2013）。 2.1回报数据和行业分类 本文从CRSP数据库获取了1975年1月至2016年12月的股票收益和流通股份的月度数据。如果一家公司退市后的收益数据缺失，本文将其设定为-30%，与Shumway(1997)的做法一致。匹配的会计数据来自Compustat数据库，为了保持一致性，本文排除了SIC代码在6000至6999范围内的公司年度观察值（金融公司）。然而，大部分测试从1981年开始，因为本文需要5年的先前数据来预处理RKRV市值与账面价值分解。 合并后的数据集共包含119,403个公司年度观察值。本文的行业定义遵循标准 的Fama-French12行业分类。这种分类允许本文每个行业至少有30家公司。 2.2RKRV分解 这里是基本的关于市值与账面价值的等式： 市场/账面价值=市场/价值×价值/账面价值(1) 对等式（1）两边取对数得到： m−b=(m−v)+(v−b)(2) 其中，m是市值的对数，b是账面价值的对数，v是基本价值的对数。右侧第一项衡量了股票价格与基本价值之间的偏差，而v-b表示基本价值与账面价值之间的差异。如果市场能够完美预测未来的现金流、折现率和增长机会，那么m-v应当为零。将基本价值v表达为某一时点的公司层面会计特征𝜃𝑖�和条件会计倍数向量α的线性函数，可以得到RKRV分解： (3) 其中，αjt是时间t的倍数向量，αj是长期估值倍数向量。公司特定误差mit− v(θit;αjt)是在时间t和行业j条件下，市值与基本价值之间的偏差。 v(θit;αjt)−v(θit;αj)是时间序列行业误差，表示与长期行业倍数暗示的公司估值之间的偏差。此分量衡量了在行业会计倍数向量αjt与长期行业倍数向量αj不相等时，估计基本价值的差异。最后一个分量v(θit;αj)−bit是基于长期行业倍数的估值与权益账面价值之间的偏差。 2.3基本价值估算 与CLR和GK一样，估值倍数矢量由以下公式获得： (4) 其中，𝑚𝑖�是市值的对数，𝑏𝑖�是账面价值的对数，𝑛𝑖+是净利润绝对值的对数， 𝐿𝐸𝑉𝑖�是账面杠杆，𝜀𝑖�是误差项。虚拟变量I(<0)用于单独估计净利润为负的公司的盈利倍数。市值定义为股票价格乘以流通股份数量。账面价值是普通股权的账面价值（Compustat数据项目60），净利润是Compustat数据项目172。杠杆是账面价值与总资产比的差值（Compustat数据项目6）。 为了估计方程（4），本文根据Fama-French12个行业将公司分组，并对每个行业进行1年的横截面回归。行业年度估计捕捉了嵌入估值倍数中的成长和折现率的时变性质。由于折现率和增长机会因行业而异，对𝛼�倍数的行业内估计可以处理这种差异性，使得市值的未解释部分更容易被解释为高估或低估的指标。为了消除前瞻性偏差，模型每年6月30日进行估计，本文要求会计信息至少有3个月的滞 后才被视为公开可用。为了估计长期行业估值倍数，本文计算了行业年度倍数的5 年时间序列平均值。第一个和最后一个投资组合构建日期分别是1981年6月和 2015年6月；回报跟踪截止于2016年6月。 本文通过使用方程（4）的拟合参数确定每个v(θit;αjt)。 (5) 为了估计v(θit;α‾j)，本文首先在5年的滚动窗口内计算每个行业的平均值,然后计算： (6) 表1的面板(a)展示了方程(4)中倍数的时间序列平均值。拟合系数α‾0可以解释为某一时点上某行业平均公司的无形资产价值，即相对于行业内其他公司，市值中不受账面价值、净利润和杠杆影响的部分。表1的结果与这一基本解释在逻辑上一致。事实上，公用事业和制造业显示出最低的α̂0值，而电话和电视传输以及医疗行业受无形资产影响最大。同样，截距较低的估计值α̂1通常较高。 正净利润的回归系数̂α2为正且大于负净利润绝对值的系数。这个系数表明，该回归变量的相对较弱的影响也得到了α̂3的普遍低显著性水平的支持。正如预期的那样，杠杆的回归系数α̂4为负，并且具有显著的横截面分散性，因为某些行业承受高负债负担，而其他行业受益于偏向股权的资本结构。然而，该系数的总体显著性较低。最后，平均R²表明方程(4)的估值模型解释了市值变动的63%至85%。 表1的面板(b)总结了本文应用于