生产网络与股票回报:垂直创造性破坏的作用
本文从实证和理论两方面研究了生产网络中企业风险与企业与消费者距离之间的关系。我们记录了两个新事实:离消费者越远的企业，其风险溢价越高，对总生产率的影响也越大。我们用一个具有多层生产过程的一般均衡模型来定量地解释这些发现。经济力量是“垂直创造性破坏”，也就是说，对供应商的积极生产力冲击使客户的现有资产贬值，从而降低了下游企业价值的周期性。我们表明，纵向创造性破坏随竞争和企业特征而变化，并在风险溢价方面产生相当大的横断面差异。
生产发生在一个由长而交织的供应链组成的复杂网络中，在这个网络中，最终消费品的生产经过多个中间阶段。这种从最上游的公司开始，到最下游的公司结束的多级生产过程，反映了生产的垂直组织。尽管它与经济活动相关，但很少有人知道生产的这一垂直维度与资产价格的关系，尤其是在公司层面的粒度上。企业对宏观经济风险的暴露如何随上游而变化?企业的上游性与预期收益之间有什么关系?供应链特征，如竞争强度，是否影响企业的资本成本?在本文中，我们试图从实证和理论两方面解决这些问题。
直观地说，并非所有生产链上的企业都能从技术进步中获得同等的利益。改进供应商新资本生产的创新可以使客户的现有资本贬值。这使得不同的风险暴露沿着生产力冲击的链被证实。这些风险暴露也受到供应商面临的竞争的影响，因为垄断力量配给新资本的生产。我们在本文中发展了这种直觉，并在经验上证实了它。
解决上述问题的主要经验挑战是全面的数据的可用性，允许测量公司在网络中的颗粒位置随着时间的推移。为了克服这一挑战，我们使用了一个新颖的供应商-客户关系数据库，它允许动态计算公司的上游。为了计算企业的上游度量，我们将一个生产网络分解为多个生产层。第j层的所有企业都被从生产最终消费品的底层的j条供应商-客户链(沿着最短的链)分开。公司的垂直位置与它所属的层相对应。
我们的第一个贡献是实证地记录了两个新颖的风格化事实，它们突出了企业在网络中的垂直位置与其风险之间的单调关系。首先，我们证明了一个公司离最终消费者越远(即其垂直位置越高)，其平均股票回报就越高。以距离消费者最远的公司做多，距离最短的公司做空的投资策略，每月产生105个基点的回报。我们将这种价差称为TMB。其次，我们证明了企业对总生产率的暴露随其垂直位置单调增加。
我们的第二个贡献是提出并检验一个共同解释这些事实的定量理论。我们的解释是基于多层供应链经济中出现的一种新的创造性破坏形式。我们建立了一个具有多层生产的一般均衡模型。每一层的输出都卖给它的下一层，下一层用输入产生自己的输出。底层，零层，生产最终消费品。
正向的总生产率冲击对企业估值具有双重影响。一方面，它对每个层的产出起到了积极的需求冲击作用，这意味着更高的未来现金流和改善的增长选择。这种使所有公司估值增值的需求效应也存在于单一部门设置中。然而，一个单独的影响存在，这是我们的多层环境的新。同样的正冲击增加了公司的直接和间接供应商的生产力。当他们都变得更有效率时，公司投入的供给曲线向右移动。这种供给效应对公司的现有资产(已安装资本或库存)的估值造成了下行压力。技术进步使企业资本投入的生产成本更低。在竞争环境下，这会侵蚀企业的边际价值安装资本。我们把这种供给效应称为垂直创造性破坏。
供给效应的强度在各层之间是不均匀的。底层企业受供给效应的影响最大。它现有的资本是用它上面所有层所生产的商品建立起来的。当每一种中间资本产品的生产成本变得更低时，供给效应就会逐渐向下延伸，而底层的资产就地价值面临着最大的下行压力，因为它的重置成本变得相对最便宜。相比之下，顶层公司不受垂直创造性破坏力的影响，因为它没有供应商。中层企业经历了一定程度的这种累积供应效应，但没有底层企业那么强烈，因为它们的间接供应商较少。由于负供给效应部分抵消了正需求效应，垂直创造性破坏通过使企业的生产率暴露不为正起到对冲作用。这一逻辑既解释了TMB的分布，也解释了为什么生产力beta随垂直位置单调增加。
我们使用一个简化模型以封闭形式将这种直觉形式化，并在一个校准的全DSGE模型中检验其量化能力。校正后的模型在股票回报、生产率风险敞口和垂直位置之间产生单调关系，并且TMB年差为12%，接近其实证对应。
为了加强模型和数据之间的联系，我们对机制执行了几次测试。首先，该模型预测托宾q、投入价格和投资率对顶层公司更具周期性。我们使用Compustat数据和BLS的中等需求价格指数来证实这一点。第二，具有垄断权力的增强模型预测，当企业拥有更大的垄断权力时，TMB价差更小。
当生产率提高，垄断供应商并不像竞争供应商那样增加供应量。因此，对客户现有资产的创造性破坏减少了。与这一预测一致的是，对于数据中竞争较低的企业的子样本，TMB较小。增广模型的逻辑也有一个新颖的含义。它预测了企业的资本成本与其上游供应商的竞争力之间存在负相关关系。我们一致地发现，消费品生产商的直接或间接供应商有更多的竞争对手获得更高的预期回报。第三，我们证实了模型的预测，即对实体资产依赖度较高的企业:价值型企业、资本折旧率较低的企业、组织资本较低的企业和库存较多的企业，TMB利差更大。对于这些公司来说，更大一部分的公司价值来自于现有资产，这是受垂直创造性破坏的组成部分。
我们证实了我们的经验发现的稳健性。当我们(a)使用美国经济分析局(BEA)的投入产出表来计算1973年至2017年的行业间TMB差值时，TMB仍然具有显著性;(b)使用Compustat Segment数据库构建一个1985年至2017年的样本，考虑每个供应商-客户关系的强度;(c)使用不同的再平衡或方法来计算垂直位置。
本文提供了三条文献线索:创造性破坏、生产网络和基于生产的资产定价。熊彼特的创造性破坏思想影响了许多领域的经济研究最近，它还刺激了金融领域的研究。一些论文利用并非所有公司从创新中获得同等收益的事实来推导截面风险溢价的含义。例如，Gârleanu, Kogan, and Panageas (2012)， Loualiche (2016)， Barrot, Loualiche, and Sauvagnat(2019)，以及Kogan, Papanikolaou, and Stoffman(2020)研究了替代风险，即创新使新公司受益，而牺牲现有公司。在这些论文中，创造性破坏是横向的:它是由公司的竞争对手诱导的。我们对这篇文献的贡献是介绍垂直创造性破坏:供应商的创新使客户公司贬值。我们的模型揭示了一个看似违反直觉的结果:这种创造性的破坏为客户公司提供了一种对冲，并降低了其资本成本。
我们的论文也与最近连接网络和资产价格的文献密切相关。Cohen和Frazzini(2008)以及Menzly和Ozbas(2010)通过供应商-客户链接研究了股票回报的可预测性。相比之下，我们研究了不同层的同时期横向回报影响。Ahern(2013)发现网络中心性越高的行业收益越高。我们验证了TMB传播不能用中心性来解释。Ozdagli和Weber(2018)发现货币冲击的传播具有相当大的网络效应。本文主要研究普通生产力冲击产生的网络效应。Herskovic(2018)根据网络集中度和稀疏度的变化推导出两个风险因素。相比之下，我们通过建模供应链来关注生产的垂直维度。我们发现TMB随着链长的增加而增加。这不是稀缺性或连通性的结果，而是更大的累积供应效应。
更广泛地说，我们的论文是关于将投资与资产价格联系起来的研究。我们模型的新颖之处在于考虑多层生产过程，而不是假设一个单一的部门。一些研究研究了资产定价对两部门经济的影响。戈麦斯、科根和Y ogo(2009)的研究表明，耐用品生产商的预期回报率高于非耐用品生产商。TMB扩散与这个结果无关。Yang (2013)， Papanikolaou (2011)， Garlappi and Song (2017a, 2017b)研究了消费部门和投资部门的溢价差异。我们背离了这些研究，采用了一种基于网络的上游衡量方法，这种方法比行业分类更细化。大部分TMB利差来自投资部门内部，而不是来自消费与投资公司的回报差异。
1 垂直位置的数据和测量
1.1数据
我们在实证分析中使用的主要数据库是CRSP股票数据库(用于股票回报)、Compustat北美数据库(用于会计数据)和FactSet Revere关系数据库(用于关于供应商、客户和竞争对手的信息)。
FactSet Revere数据库提供了目前可用的最全面的企业级供应商-客户关系覆盖。它包括供应商或客户(或双方)公开的关系，每个关系都有开始和结束日期。FactSet的分析师会定期监控这些关系数据。他们从公司的年度报告中收集信息，根据规定，年度报告应包括产生10%以上销售额的客户的姓名，以及来自其他来源的信息，包括新闻稿和公告、投资者陈述和公司的报告。全面的供应商-客户数据使我们能够衡量企业的上游地位。该数据库还提供了有关公司竞争对手的信息，这对我们的一些测试是有用的。
我们的样本周期是从2003年4月数据库启动的时候，到2013年9月从Revere购买它的时候。为了给分析师足够的时间来全面更新供应商-客户关系，我们只使用截至2012年12月的关系。在此期间，FactSet Revere数据库包括了193,851对公司之间的433,271个供应商-客户关系，覆盖了总计43,656家公司(其中许多是私营公司和国际公司)。我们通过删除重复的记录和冗余的关系(其开始和结束日期位于同一对公司之间更长的关系的时间段内)来清理它。如果两个连续关系之间的时间间隔不超过6个月，我们还可以将同一对公司在不同时期的多个关系合并为一个连续关系。在这些步骤之后，有206,264个供应商-客户关系。
我们将FactSet Revere数据库与Compustat North America和CRSP数据库合并(使用CUSIP和CRSP-Compustat链接表)。我们排除了金融公司(GICS代码40)、工业集团公司(GICS 201050，它们在生产网络中的垂直位置没有被精确测量)以及便士股(即上月价格低于1美元的股票)。我们匹配的样本共有5926只普通股(CRSP股票代码为10、11或12)。在样本期内，CRSP-Compustat合并数据库中非便士、非金融股和非集团普通股的总数为6,437。因此，我们的匹配样本包含了这些股票的大部分(92%)。
1.2垂直位置测量
我们现在描述我们对主要的基于生产的利益特征的度量:一个公司的垂直位置(即它的上游)。生产网络可以被划分为多个部分，在同一部分的公司与最终消费者之间的距离相似。我们把这些部分称为生产层。处于网络底层的企业生产最终的消费品。所有其他公司都是底层公司的直接或间接供应商。我们将任何企业的垂直位置定义为其与底层企业之间的供应商-客户联系的最小数量。第一层的公司至少向第0层的一家公司供货。第i层的公司至少向第i - 1层的公司提供服务，而在第i - 1层以下的公司则不提供服务。
我们计算垂直位置的方法是基于Gofman(2013)。形式上，考虑一个距离矩阵Dt有nt行和mt列，nt是t月网络中的公司总数，mt是t月消费品生产商的数量。该矩阵的一个元素Dt（i，j）测量公司i和消费品生产商j之间供应商-客户联系的最小数量。给定矩阵Dt，企业i的垂直位置定义为与任何消费品生产商的供应商-客户关系的最小数量。
文章来源地址https://www.toymoban.com/news/detail-414595.html
垂直位置测量是一种全球性的测量方法，它依赖于整个网络结构。一个公司的垂直位置可以改变，即使它的直接供应商和客户不改变。每个月的生产层数是内生的，取决于观察到的供应商-客户关系。考虑到垂直位置公司可以随时间变化，我们以每月为基础计算垂直位置的度量，以反映最新的信息。
我们将上述方法应用于我们的revere - compustat匹配的样本。首先，我们为所有非必需消费品(GICS代码25)和必需消费品(GICS代码30)部门的公司分配一个垂直位置为0。其次，我们使用公式(1)来估计样本中剩余企业的垂直位置，使用所有的供应商-客户关系，其中任何一方都来自这个样本。我们要求一种关系至少持续6个月，然后用它来计算垂直位置。因此，从2003年9月开始，我们获得了一个全面的公司水平的垂直职位面板。据我们所知，我们的论文是第一篇对美国公司的大截面动态衡量上游的论文。
- 程式化的事实:垂直位置，风险，和股票回报
我们根据垂直位置对公司进行分类，从而形成投资组合。为了确保投资者了解有关供应商-客户关系的公开信息，我们使用在第t - 2月底计算的垂直头寸在第t月初对公司进行排序(第7.2节在其他排序方案下显示了类似的结果)。因此，我们的投资组合持有期从2003年11月开始。生产层次的数量和企业在这些层次上的分布是内生的，因此企业不需要在不同层次上平均分配。事实上，正如我们在第8节详细讨论的，上层生产(垂直位置较高的层次)包括较少的公司。为了减少顶层公司数量较少所带来的噪音，我们将所有垂直位置在5个或以上的公司合并到一个单独的投资组合中，同时将低于5个层次的公司保留在单独的投资组合中。总之，我们获得了六个组合，代表六个生产层。
2.1程式化事实1:分层投资组合回报和TMB利差
表1展示了我们从分类投资组合中发现的第一个主要的典型事实:垂直位置和平均股票回报之间的单调关系，以及生产的顶层和底层之间的可观的回报差(TMB差)。从底层到顶层，价值加权和等加权平均收益都是单调递增的。当投资组合进行价值加权(等加权)时，TMB息差为每月105(108)个基点。两者在经济上和统计上都具有显著意义。表1还表明夏普比率随垂直位置而上升。价值加权(等加权)TMB投资组合的年化夏普比率为0.68(0.82)。而同期，市场组合的夏普比率为0.39,SMB因子为0.28,HML因子为0.29。
TMB扩散并不是FactSet Revere数据库特有的。第7节使用不太详细的BEA输入-输出表和Compustat Segment数据库来说明这种分布也存在于更长的样本周期中。在线附录章节OA.8也表明TMB价差在很大程度上独立于已知的与生产相关的和跨行业的价差，包括耐用品和非耐用品之间的价差，投资和消费公司之间的价差，以及账面市值溢价等。
2.2程序化事实2:分层投资组合暴露于生产率冲击
与上面报告的垂直位置和平均回报之间的单调关系相关，我们在这一节检验这种关系是否是基本宏观经济风险暴露的结果。我们建立了第二个程式化的事实:处于顶层的公司比处于底层的公司更容易受到总体生产力冲击的影响。
我们使用两个代理来代表总生产力。第一个是由美国劳工统计局(BLS)发布的季度劳动生产率数据。使用劳动生产率来衡量总生产率，因为它是基于容易观察到的变量，即附加值和工时，所以估计噪声较小。第二个指标是希克斯中性生产力冲击，我们称之为索洛剩余。这个代理是直接从旧金山联邦储备银行公布的TFP数据计算出来的(见Basu, Fernald，和Kimball 2006;Fernald 2014)。确保Hicks-neutral冲击相似理论分析,我们遵循Croce(2014),并调整TFP增长措施,占物理非住宅资本(设备和土地),和其他形式的资本不传播作为输入的供应链,如艺术或住宅capital.11构建的Solow残差与Fernald(2012)利用调整后的TFP之间的相关系数为0.97。
表2的面板A报告了每一层的回归系数(贝塔)和TMB投资组合相对于总生产率的回归系数(贝塔)，这些回归系数来自于对生产率衡量的年化增长的季度投资组合回报的预测。总的来说，生产力随着垂直位置的增加而增加。使用这两个生产力代理，底层的beta版大约是1.2，而顶层的beta版超过2.5。
预期收益和生产率之间的关系可能不是线性的。例如，如果每个层对总生产率的暴露是随时间变化的，就会出现这种情况。这就是在第3节中用来解释我们的发现的模型中的情况。因此，在表2的面板B中，我们更改了投影规范，以包含生产率的二次项。我们将线性项和二次项的斜率系数结合起来，形成生产率贝塔。具体地说:
文章来源：https://www.toymoban.com/news/detail-414595.html
到了这里，关于投资学翻译1的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
