正文目錄TOC\o"1-2"\h\z\u簡(jiǎn)介 4采用企業(yè)投資的替代指標(biāo)構(gòu)建因子 7使用夏普比率來比較模型性能 7數(shù)據(jù) 8利用資產(chǎn)增長(zhǎng)率的子成分構(gòu)建因子 9存貨和應(yīng)收賬款因子解釋了資產(chǎn)增長(zhǎng)因子 11資產(chǎn)增長(zhǎng)率和宏觀經(jīng)濟(jì)因子 14內(nèi)在機(jī)制探究 186結(jié)論 22風(fēng)險(xiǎn)提示： 23圖表目錄圖表1文章框架 4圖表2使用夏普比率測(cè)試比較HXZ和FF5F模型與基于替代投資因子的模型 8圖表3使用替代投資因子的HXZ和FF5F模型表現(xiàn) 9圖表4使用夏普比率測(cè)試將HXZ和FF5F與基于AG子成分的模型進(jìn)行比較 10圖表5AG因子和其子成分對(duì)庫存和應(yīng)收賬款因子的回歸 12圖表6AG子成分庫存因子的回歸 13圖表7AG子成分應(yīng)收賬款因子的回歸 14圖表8使用宏觀經(jīng)濟(jì)變量對(duì)雙重排序市值加權(quán)投資組合進(jìn)行定價(jià) 16圖表9使用宏觀經(jīng)濟(jì)變量對(duì)雙重排序市值加權(quán)投資組合進(jìn)行定價(jià)：三因子模型 17圖表10股票市場(chǎng)情緒對(duì)平均股票發(fā)行的影響 19圖表11使用夏普比率測(cè)試來比較HXZ和FF5F與基于DOX的傳統(tǒng)因子模型 20圖表12使用夏普比率測(cè)試來比較HXZ和FF5F與基于DOX的替代投資因子模型 21圖表12基于DOX指標(biāo)的引入備選投資因子的HXZ和FF5F模型表現(xiàn) 21簡(jiǎn)介圖表1文章框架資料來源：當(dāng)前，因子模型有許多進(jìn)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)的生產(chǎn)模型。本文對(duì)Hou,Xue和Zhang(2015HXZ)以及Fama和French(2015；以下簡(jiǎn)稱FF5F)文章中的投資因子進(jìn)行了實(shí)證檢驗(yàn)和理論分析。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投資因子（I/A，CMA）基于傳統(tǒng)的企業(yè)投資標(biāo)準(zhǔn)，如資本支出和不動(dòng)產(chǎn)、廠房和設(shè)備(PPE)增長(zhǎng)。相反，兩篇論文都使用Cooper等人(2008)()作為投資因子算法HXZ和FF5F因子挖掘出的異?；貓?bào)一樣。我們認(rèn)為，在HXZ和FF5FFF5FHXZ征最適合于構(gòu)建投資因子。這主要是因?yàn)樗鼈兪菍㈩A(yù)期回報(bào)與一組不可觀察的特征FF5FHXZ資產(chǎn)增長(zhǎng)率不包括資產(chǎn)負(fù)債表外的無形資本，如知識(shí)資本和管理層資本，鑒于Peters(2017)公司用現(xiàn)金為一項(xiàng)PPE滯不前的結(jié)果。在缺乏投資機(jī)會(huì)的情況下，現(xiàn)金余額會(huì)增加，如果公司不能以同樣的速度銷售其產(chǎn)品，存貨會(huì)增加；如果公司不能收回提供給客戶的商業(yè)信用，應(yīng)收賬款會(huì)增加，這些都導(dǎo)致了資產(chǎn)增長(zhǎng)率的上升，但并不是投資活動(dòng)所致。出于對(duì)資產(chǎn)增長(zhǎng)率(AG)我們進(jìn)行了因子測(cè)試，在HXZ和FF5模型在使用其他常用投資測(cè)度代替AG因子。我們首先使用PPE本支出(CAPX)如Peters和2017)提出的指標(biāo)，包括表外無形資產(chǎn)投資來構(gòu)建投資因子。將新的投資因子表現(xiàn)與HXZ和FF5FAG指標(biāo)，HXZFF5F在模型挖掘中，我們構(gòu)建了144種不同類型資產(chǎn)如庫存、PPE、商譽(yù)、R&D、SGA)AG因子的HXZ和FF5F模型。無論是傳統(tǒng)測(cè)量還是更廣泛的測(cè)量都不夠顯著，這更加佐證了我們的AGq。為了更深入地了解可能推動(dòng)AG素取代AG因素時(shí)，HXZ和FF5F模型的表現(xiàn)如何是否發(fā)生變化。左側(cè)，我們根據(jù)現(xiàn)金、存貨、應(yīng)收賬款、不動(dòng)產(chǎn)、廠房和設(shè)備(PPE)、無形資產(chǎn)和其他資產(chǎn)即總資產(chǎn)減去前五類的變化率來構(gòu)建新的投資因子。在資產(chǎn)負(fù)債表右側(cè)，我們使用流動(dòng)經(jīng)營(yíng)負(fù)債、非流動(dòng)經(jīng)營(yíng)負(fù)債、長(zhǎng)期負(fù)債、普通股和留存收益的變化來HXZFF5FAGHXZFF5FAG(INVT)(AREC)AG我們使用直接回歸來表明INVT和AREC因子一起包含了AG因子對(duì)HXZ和FF5F模型貢獻(xiàn)的大部分定價(jià)信息。此外，AG、INVT和AREC因子沒有被AG的任何其他子組成部分所涵蓋。這些發(fā)現(xiàn)表明，AG因子的解釋力主要來自應(yīng)收賬款和存貨動(dòng)態(tài)中包含的信息，而不是PPE和無形投資。盡管HXZ和FF5FAGINVTAREC宏觀經(jīng)濟(jì)變量，這些變量已被證明會(huì)在股票回報(bào)中進(jìn)行風(fēng)險(xiǎn)分散，我們使用標(biāo)準(zhǔn)的GMMAG、INVT、ARECPPE（因素）對(duì)投資組合進(jìn)行定價(jià)。結(jié)果發(fā)現(xiàn)，融資相關(guān)的沖擊(如對(duì)投資者情緒、股票發(fā)行成本和金融中介資產(chǎn)負(fù)債表的總體沖擊有助于對(duì)AG、INVT和AREC投資組合進(jìn)行定價(jià)，但對(duì)于PPEBakerWurgler(2006)(BW)AG、INVTAREC、INVTAREC(如Beloetal.，2019；Adrienetal.，2014；Heetal.,2017)，尤其是那些受股市情緒變化驅(qū)動(dòng)的因素。為探究BWSDF重復(fù)GMMSDFAG、INVTARECBWSDFPPEAG、INVTAREC的投資組合進(jìn)行定價(jià)時(shí)，將BW因子加入SDFPPETFPBelo等人(2019)債權(quán)替代機(jī)制投資較多的公司以資本化支出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務(wù)融資。我們發(fā)現(xiàn)，當(dāng)我們使用PPE增長(zhǎng)率時(shí)，這種可替代性不是很強(qiáng)。這種債權(quán)替代渠道可以將AG因子與股權(quán)融資成本聯(lián)系起來論其驅(qū)動(dòng)因素是什么。正如Belo(2019)究這種可能性，我們使用CassellaGulen(2018)投資者過度外推程度(DOX)指HXZ和FF5F模型僅在DOXHXZCarhart(1997)FF5FFamaFrench(1993)Carhart(1997)的模型表現(xiàn)得好。我們承認(rèn)，在缺乏結(jié)構(gòu)模型的情況下，很難明確地得出給定因子模型捕捉了風(fēng)險(xiǎn)或錯(cuò)誤定價(jià)的結(jié)論。出于這個(gè)原因，我們并不認(rèn)為哪種股權(quán)融資成本的特定驅(qū)動(dòng)因素更有可能解釋我們的結(jié)果。除了我們的主要發(fā)現(xiàn)，即AG因子似乎捕捉到了對(duì)股票發(fā)行成本的沖擊，我們研究得出的更普遍的結(jié)論是，將簡(jiǎn)化形式的理論模型(如Hou2015和FamaandFrench，2015)大，不同的做法可能導(dǎo)致性能的顯著差異，人們不得不質(zhì)疑這些簡(jiǎn)化形式的模型是否真正受理論約束”。采用企業(yè)投資的替代指標(biāo)構(gòu)建因子HXZFF5F(如Fama和French(1993)Carhart(1997))。為進(jìn)行進(jìn)一步說明，我們首先使用文獻(xiàn)中較為常見的企業(yè)投資指標(biāo)。企業(yè)投資文獻(xiàn)浩如煙海，很難一一列舉。考慮到這一點(diǎn)，我們對(duì)文獻(xiàn)的廣泛回顧表明，企業(yè)投資的實(shí)證研究包括q理論的測(cè)試(CAPX)或不動(dòng)產(chǎn)、廠房和設(shè)備(PPE)的增長(zhǎng)來衡量。因此，我們使用CAPX和PPE的變化，兩者都除以滯后的PPE，作為我們的衡量指標(biāo)Peters(2017)準(zhǔn)。他們將無形資產(chǎn)總額計(jì)為資產(chǎn)負(fù)債表上的無形資產(chǎn)商譽(yù))加上資產(chǎn)負(fù)債表外的無形資產(chǎn)之和。后者被計(jì)算為資本化的研發(fā)資本(R&D)加上資本化的組織資本(SG&A的30%)。公司的總資產(chǎn)被計(jì)為有形資產(chǎn)(總PPE)加上無形資產(chǎn)的總和。在我們下面的分析中，我們使用總資產(chǎn)TOTK、有形資產(chǎn)PHK和無形資產(chǎn)INTK的這些指標(biāo)的年度變化作為投資因子的額外指標(biāo)(全部由滯后總資本標(biāo)準(zhǔn)化)，我們將這些指標(biāo)分別記為TOTK,PHK,和INTK。使用夏普比率來比較模型性能BarillasShanken(2017)Barillas等人(2020)BarillasShanken(2017)和兩個(gè)因子模型帶交易因子)在一組測(cè)試資產(chǎn)X定價(jià)中的表現(xiàn)，相當(dāng)于比較每個(gè)模型中的因子(以下表示為maxSR2(f1)與maxSR2(f1))的最大夏普比率。事實(shí)上，??1模型在多大程度上未能對(duì)資產(chǎn)X和??2進(jìn)行定價(jià)，取決于通過將X和??2納入投資框架后，其最大夏普比率能提高到什么程度:maxSR2(f1,f2,X)?maxSR2(f1)。類似地，模型下的錯(cuò)誤定價(jià)的程度是由maxSR2(f2,f1,X)?maxSR2(f2)給出，因此，????和????模型之間的定價(jià)差異由????????????(??????????????????????(????)?????????????(??????????)?????????????(????)=????????????(????)—????????????(????)給出，我們的唯一目的是比較兩個(gè)模型。圖表2使用夏普比率測(cè)試比較HXZ和FF5F模型與基于替代投資因子的模型注：None表明不包含投資因子的模型。資料來源：《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同樣，面板B的第一行表明，用基于五個(gè)備選投資因子替換FF5F模型中的AGFF5FBFF5F模型中的CAPX、PPE、TOTK、PHK和INTK投資因子BM和盈利能力因子第二行結(jié)果甚至FF3F(第三行結(jié)果超越。FF5F在附錄的表E62AGAGCAPX對(duì)AG框架和托賓Q模型(即預(yù)期投資、預(yù)期盈利能力和預(yù)期賬面權(quán)益增長(zhǎng))中其他關(guān)鍵變量的更好代表這一觀點(diǎn)提出了質(zhì)疑。數(shù)據(jù)為了驗(yàn)證我們的分析的主要發(fā)現(xiàn)不是由我們對(duì)替代投資因子的特定選擇所驅(qū)動(dòng)144(CAPX、PPEPPE)庫存變化、商譽(yù)變化、資本化知識(shí)資本變化和資本化組織資本變化（后三種的計(jì)算方法與Peters(2017)相同3×2×2×2=48種不同的投資方法。最后，我們使用三個(gè)不同的滯后標(biāo)準(zhǔn)化變量Peters和(2017)PPE483=1442.1AG144HXZFF5FBarillas和Shanken(2017)的方法，關(guān)注一個(gè)關(guān)鍵性能指標(biāo)通過每個(gè)模型中的因子獲得的最大平方夏普比率。圖表3使用替代投資因子的HXZ和FF5F模型表現(xiàn)資料來源：《Theuseofassetgrowthinempiricalassetpricingmodels》，3HXZ(上圖FF5F下圖)144AGHXZ模型FF5F()的最大夏普比率平方。作為一個(gè)參考點(diǎn)，標(biāo)有“d.PPE/l.PPE”的線條顯示了如果我們使用PPEAG3AG的HXZFF5FHXZ144個(gè)備選投資模型中的每一個(gè)，而FF5F模式的性能優(yōu)于144個(gè)模型中除5（證了這5個(gè)模型與AG之間的性能差異在統(tǒng)計(jì)上并不顯著）。利用資產(chǎn)增長(zhǎng)率的子成分構(gòu)建因子目前為止，實(shí)證結(jié)果表明，投資因子并不由傳統(tǒng)的投資指標(biāo)所驅(qū)動(dòng)。我們需要更好地理解是什么驅(qū)動(dòng)了AGAG成分而不是AG負(fù)債表左側(cè)和右側(cè)項(xiàng)目的變化。在左側(cè)，我們使用現(xiàn)金(CASH)、存貨(INVT)、應(yīng)收賬款(AREC)、不動(dòng)產(chǎn)、廠場(chǎng)和設(shè)備(PPE)、無形資產(chǎn)和其他資產(chǎn)(OTHER，即總資產(chǎn)減去上述類別)的變化。在右側(cè)，我們使用流動(dòng)經(jīng)營(yíng)負(fù)債、普通股權(quán)益(EQ)和留存收益(RE)的變化。所有11個(gè)增長(zhǎng)指標(biāo)都通過滯后總資產(chǎn)進(jìn)行標(biāo)準(zhǔn)化。因此，資產(chǎn)負(fù)債表兩邊的所有子資產(chǎn)的總和等于公司總資產(chǎn)的增長(zhǎng)百分比。圖表4使用夏普比率測(cè)試將HXZ和FF5F與基于AG子成分的模型進(jìn)行比較資料來源：《Theuseofassetgrowthinempiricalassetpricingmodels》，4BarillasShanken(2017)Barillas(2020)2AGHXZFF5FA1和B1AGHXZ在面板A2和B2中，根據(jù)資產(chǎn)負(fù)債表右側(cè)的AG模型。表中的每個(gè)估計(jì)值代表最大平方夏普比率的差值，該差值可以使用列A10.068普比率比原始HXZ0.068。A1如果我們使用AG子成分中的庫存(INVT)或應(yīng)收賬款(AREC)建立HXZHXZ當(dāng)HXZ模型是使用對(duì)長(zhǎng)期資產(chǎn)無論是有形資產(chǎn)(PPE)還是無形資產(chǎn)))的投資來構(gòu)建因子時(shí)，其表現(xiàn)明顯差于原始HXZA2當(dāng)我們比較FF5F。附錄中的表E9收賬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為投資因子構(gòu)建HXZ模型時(shí)，模型的表現(xiàn)并不HXZB2FF5F存貨和應(yīng)收賬款因子解釋了資產(chǎn)增長(zhǎng)因子表4HXZ和FF5F(INVT)(AREC)AGHXZFF5F表明AG因子對(duì)HXZ和FF5F模型的定價(jià)信息實(shí)際上是由INVT和AREC因子而不是AG的其他子成分決定的。我們從運(yùn)行以下形式的回歸開始:其中，??????,??,??????????,????????????,??分別代表AG、INVT和AREC????項(xiàng)包HXZ模型(5A)FF5F5B)HXZFF5FAGAG從式(1)5著，這表明AGHXZFF5F模型的定價(jià)信息是由INVTAREC因子E10AG因子是INVTARECAG5AG來自資(1)INVT和AREC因子(圖表5AG因子和其子成分對(duì)庫存和應(yīng)收賬款因子的回歸資料來源：《Theuseofassetgrowthinempiricalassetpricingmodels》，我們接下來測(cè)試INVT和AREC因子是否被AG的任何子成分涵蓋。具體來說，在表6中，我們運(yùn)行以下形式的回歸:AG子成分CASHAREC、PPE、INTANOTHER)AGAG-INVT因子AHXZBFF5F????項(xiàng)包含HXZ模型面板A)FF5F因子面板B)6INVT沒有被AG的任何其他單獨(dú)的子成分所涵蓋，或者沒有被所有子成分的總和納入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蓋。圖表6AG子成分庫存因子的回歸資料來源：《Theuseofassetgrowthinempiricalassetpricingmodels》，INVT和AREC因子對(duì)HXZ和FF5FINVTAREC因子包AGAG(。圖表7AG子成分應(yīng)收賬款因子的回歸資料來源：《Theuseofassetgrowthinempiricalassetpricingmodels》，資產(chǎn)增長(zhǎng)率和宏觀經(jīng)濟(jì)因子AGHXZ和FF5FAG如PPE)(INVT)(AREC)AG因子優(yōu)異表現(xiàn)的內(nèi)在經(jīng)濟(jì)機(jī)制，一種方法是觀察哪些宏觀經(jīng)濟(jì)沖擊是基于、INVT、和AREC因子的投資組合回報(bào)的重要驅(qū)動(dòng)因素，而非PPE因子。以往研究中有大量可以產(chǎn)生橫截面風(fēng)險(xiǎn)分散的宏觀經(jīng)濟(jì)沖擊，如下所示的變量可能會(huì)促使AG因子捕捉宏觀經(jīng)濟(jì)動(dòng)向。具體來說，我們使用對(duì)生產(chǎn)率、消費(fèi)、流動(dòng)性、不確定性、融資成本、生產(chǎn)網(wǎng)絡(luò)和市場(chǎng)情緒的沖擊的宏觀經(jīng)濟(jì)指標(biāo):1.TFP是對(duì)利用率調(diào)整后的全要素生產(chǎn)率沖擊的衡量因子(Fernald(2012))。2.IST是的投資專用技術(shù)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是代表信貸市場(chǎng)情緒的“高收益份額指標(biāo)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)，要么是作為新息(TFP，LIQ，ICS，LEV，。對(duì)于上表中的每個(gè)宏觀經(jīng)濟(jì)因素(MACRO)，我們假設(shè)一個(gè)隨機(jī)貼現(xiàn)因子(M),其形式為:其中，MKT是價(jià)值加權(quán)市場(chǎng)投資組合的(去均值化)超額回報(bào)，時(shí)間段t與MACRO因子具有相同的頻率(即，對(duì)于年度和季度因子，????????代表期間t市場(chǎng)投資組合的累積回報(bào)，????????????因子同樣去均值化。需要注意的是，因子載荷????????和????????????并不是MKT和MACRO因子的風(fēng)險(xiǎn)溢價(jià)，而是考慮了因子之間的相關(guān)性后的溢價(jià)轉(zhuǎn)換。正如Cochrane(2005)所述，每個(gè)因子的SDF負(fù)荷衡量了包含在SDF中其他因素尚未捕獲的信息(與測(cè)試資產(chǎn)定價(jià)相關(guān))。我們使用四組不同的投資組合作為測(cè)試資產(chǎn)，根據(jù)盈利能力和AG、INVT、AREC或PPEKoganandPapanikolaou(2012)FF5FAG)，同時(shí)使用紐約證券交易所的截尾值來形成投資組合(以與我們論文)。圖表8使用宏觀經(jīng)濟(jì)變量對(duì)雙重排序市值加權(quán)投資組合進(jìn)行定價(jià)資料來源：《Theuseofassetgrowthinempiricalassetpricingmodels》，在表8中，我們通過第一階段廣義矩估計(jì)了因子載荷????????和????????????，使用單位矩陣來衡量力矩限制。我們使用標(biāo)準(zhǔn)的矩條件E[Mtr?]=0，其中r?代表測(cè)試資產(chǎn)i的i,t i,t來說，每個(gè)面板按AG(A)、INVT(B)AREC(面板C)PPE(D)2555(定價(jià))誤差(SSQE)(mape)CAPM即式(3)MACRO因子。8AG定價(jià)效力(面板A)，唯一的例外是流動(dòng)性(LIQ)和信貸市場(chǎng)情緒(HYS)因子。這至少AG因子的HXZFF5FA、BCD中8RD)AG、INVTAREC(B中的TFP)PPE，基于PPE的因子模型表現(xiàn)不佳不太可能是因?yàn)槠洳蹲胶暧^技術(shù)沖擊即托賓Q中采用的沖擊類型AG、INVTARECPPE(ICS、LEV、CRATBW)。CAY、UNCRSAGAGRSPPE組合的3.1INVTAREC(包含了HXZFF5FAGCAYUNCBC8AG、INVT和AREC子可能與其捕捉總體融資沖擊的能力有關(guān)，而不是全要素生產(chǎn)率/技術(shù)沖擊。同時(shí)，唯一能在AG、INVT和AREC資產(chǎn)定價(jià)而非PPE資產(chǎn)定價(jià)起作用的因素是股票市場(chǎng)情緒(BW)。因此，我們更進(jìn)一步，測(cè)試這一因素是否捕捉到獨(dú)立的定價(jià)信息，i,t而這些信息在我們使用的其他宏觀經(jīng)濟(jì)因素中尚未包含。為此，我們構(gòu)建了以下形式的三因素SDF:i,t其中????????????是我們此前測(cè)試中使用的因子。同樣使用力矩限制E[Mtr?]=0重復(fù)表8中的試驗(yàn)。圖表9使用宏觀經(jīng)濟(jì)變量對(duì)雙重排序市值加權(quán)投資組合進(jìn)行定價(jià)：三因子模型資料來源：《Theuseofassetgrowthinempiricalassetpricingmodels》，結(jié)果見表9。從該表中得到的關(guān)鍵信息是，在幾乎所有模型中，當(dāng)對(duì)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內(nèi)在機(jī)制探究、INVTARECBeloetal.(2019)Boltonetal.(2013)PPEAG、INVTAREC我們認(rèn)為，在我們的研究中，短期資產(chǎn)(INVT和AREC)和長(zhǎng)期資產(chǎn)(PPE)之間的一個(gè)關(guān)鍵區(qū)別是它們作為債務(wù)融資抵押品的不同價(jià)值?；贐ergeretal.(1996)，我們假設(shè)一個(gè)公司的AREC和INVTPPE1984-1993(INVT)Campello和Hackbarth(2012)產(chǎn)有形性指數(shù)，作為企業(yè)抵押擔(dān)保品能力的代理。與我們的假設(shè)一致，Campello和Hackbarth(2012)AREC和INVT的變化比對(duì)PPE的變化Aietal.(2020)抵押資產(chǎn)應(yīng)能夠在經(jīng)濟(jì)衰退時(shí)對(duì)沖金融約束風(fēng)險(xiǎn)。因此，擁有更多可抵押資產(chǎn)的公。如果，與Bergeretal(1996)CampelloHackbarth(2012)PPE，ARECINVTAietal.(2020)AREC和INVT之間有更強(qiáng)的聯(lián)系。在Aietal(2020)AREC和INVT(以及AG)因子都是可抵押性溢價(jià)的更好的代理。然而，由于Aietal.(2020)的研究沒有特別模擬股權(quán)融資成本的作用，它不能明確說明股票市場(chǎng)情緒因素在我們的實(shí)證中發(fā)揮的核心作用。我們認(rèn)為，Beloetal.(2019)提出的經(jīng)濟(jì)機(jī)制可能會(huì)彌補(bǔ)這一缺失。作者提出(并找到了與之相一致的證據(jù))這樣一個(gè)觀點(diǎn)，即高投資公司應(yīng)對(duì)股權(quán)融資成本具有較低的敏感性，因?yàn)樗鼈儽鹊屯顿Y公司受到的抵押約束更少。這意味著，當(dāng)面臨股權(quán)融資成本上升時(shí)，它們應(yīng)該能夠更好地用股權(quán)替代債務(wù)融資。因此，擁有更多可抵押資產(chǎn)的公司應(yīng)該較少暴露于股權(quán)融資成本的沖擊。雖然Beloetal.(2019)(CAPX)Bergeretal.(1996)的研究，INVT和AREC比PPE更容易抵押，因此對(duì)INVT和AREC(以及AG)的排序可以簡(jiǎn)單地提供更準(zhǔn)確的關(guān)于公司抵押約束程度的排序。換句話說，以PPE為基礎(chǔ)的因素表現(xiàn)不佳可能是因?yàn)樗荒茌^好地作為公司股權(quán)替代債務(wù)的能力代理變量。圖表10股票市場(chǎng)情緒對(duì)平均股票發(fā)行的影響資料來源：《Theuseofassetgrowthinempiricalassetpricingmodels》，我們?cè)诒?0中探索了這一渠道，其中我們報(bào)告了AG(面板A)、INVT(面板B)、AREC(面板C)和PPE增長(zhǎng)(面板D)前五分之一和后五分之一公司的平均債務(wù)和股票發(fā)行水平。遵循Beloetal.(2019)的方法，我們通過將平均發(fā)行的每個(gè)五分之一水平時(shí)間序列與實(shí)際GDP年增長(zhǎng)正交化來控制商業(yè)周期沖擊對(duì)發(fā)行活動(dòng)的影響。然后我們報(bào)告了這些正交化序列的平均值，分別針對(duì)情緒沖擊高和低的時(shí)期進(jìn)行計(jì)算。情緒沖擊高(低)的時(shí)期是相對(duì)于我們的GMM測(cè)試中使用的BW因子(一年中的平均值)落在頂部(底部)十分位數(shù)的年份。所有報(bào)告的數(shù)字都是百分?jǐn)?shù)。10Beloetal.(2019)低市場(chǎng)情緒時(shí)，兩個(gè)五分位數(shù)(Q1和的公司發(fā)行更少的股權(quán)，但只有前五分位數(shù)(Q5)的公司能夠用更高的債務(wù)發(fā)行來替代。底層五分之一國(guó)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減40%)(AG、INVTAREC15%、32%41%PPE6%)AG、INVT和ARECPPE重要的是要認(rèn)識(shí)到，這種債權(quán)替代機(jī)制的運(yùn)作獨(dú)立于導(dǎo)致股權(quán)融資成本變化的宏觀經(jīng)濟(jì)變量。正如Beloetal.(2019)CassellaGulen(2018)“推程度(DOX)指標(biāo)，并觀測(cè)基于AG因子的模型性能是否因經(jīng)濟(jì)中的過度外推程度而不同。圖表11使用夏普比率測(cè)試來比較HXZ和FF5F與基于DOX的傳統(tǒng)因子模型資料來源：《Theuseofassetgrowthinempiricalassetpricingmodels》，HXZFF5F(CAPMFF3FC4F)(即高于或低于中值DOX)而變化。我們使用基于最大平方夏普比率的模型比較測(cè)試，類似于表2DOX(A1B1)DOX(A2B2)A1A2HXZB1B2FF5F作面板A1顯示，當(dāng)DOX較高時(shí)，HXZ模型的表現(xiàn)明顯優(yōu)于CAPM、FF3F和C4FFF5F的表現(xiàn)與HXZ)A2顯示，當(dāng)DOXHXZ的C4FFF3F10%)。類似地，在面板B1中，當(dāng)DOX較高時(shí)，我們看到FF5F模型的表現(xiàn)明顯優(yōu)于CAPM、FF3F和C4FB2DOXFF5FFF3FC4F于過度擴(kuò)張狀態(tài)時(shí)，包含AG。圖表12使用夏普比率測(cè)試來比較HXZ和FF5F與基于DOX的替代投資因子模型資料來源：《Theuseofassetgrowthinempiricalassetpricingmodels》，12HXZFF5FA1DOXHXZAGHXZA2DOX:無論我們使用AGHXZ模FF5F風(fēng)格的模型時(shí)，面板B1B2AG(FF5F)DOXB1)DOX時(shí)間(B2)當(dāng)過度外推程度較高時(shí)，基于AG圖表13基于DOX指標(biāo)的引