حق بیمه و اصول اقتصادی بازده بالا

گسترش کانیل و همکاران.(2012) و بسیاری دیگر ، ما اولین شواهد تجربی را ارائه می دهیم که نشان می دهد حق بیمه بازده بالا با اصول اقتصادی مرتبط است. حق بیمه حجم دارای قدرت پیش بینی قوی برای رشد تولید صنعتی در آینده و سایر شاخص های کلان اقتصادی با یا بدون کنترل برای عوامل قیمت گذاری سهام مشترک و متغیرهای چرخه تجارت است. با این حال ، تنها بخش کوچکی از حق بیمه حجم را می توان با عوامل بازده سهام عدالت و عوامل خطر اقتصادی نسبت به آن نسبت داد. مدل های فاکتور مبتنی بر سوءاستفاده نیز در توضیح کافی ناهنجاری بازده ناکام هستند.

معرفی

مدتهاست که به رسمیت شناخته شده است که سهام هایی که اخیراً شوک حجم مثبت قابل توجهی دریافت می کنند ، بازده بیش از حد تنظیم شده در بازار را دریافت می کنند (Gervais et al. ، 2001 ؛ Kaniel et al. ، 2012). 1 بر اساس داده های ایالات متحده از ژوئیه 1963 تا دسامبر 2016 ، ما نشان می دهیم که یک استراتژی سرمایه گذاری که سهام طولانی را که اخیراً حجم معاملات غیر طبیعی بالایی را تجربه کرده اند ، می رود و به سهام های کوتاهی می رود که حجم معاملات غیرطبیعی را تجربه کرده اند ، متوسط ماهانه تنظیم شده با اندازه متوسط را به دست می آورند0. 53 ٪ بر اساس وزن وزن و 0. 68 ٪ بر اساس وزن برابر. هر دو تخمین از حق بیمه بازده با حجم بالا (یا HVP) از نظر آماری معنی دار هستند. 2 گسترش بین دهک های بالا و پایین پرتفوی های مرتب شده با حجم ، همانطور که در ابتدا توسط کانیل و همکاران ساخته شده است.(2012) ، نرخ بازده مشابهی را تولید می کند.

توضیح اصلی برای HVP این است که فرضیه تشخیص سرمایه گذاران مرتون (1987) را نشان می دهد (Gervais et al. ، 2001 ؛ Israeli et al. ، 2018 ؛ Kaniel et al. ، 2012 ؛ Lerman et al. ، 2008). طبق این فرضیه ، در بازاری با اطلاعات ناقص ، شوک های مثبت به فعالیت معاملات یک سهام باعث افزایش دید سهام می شود که باعث تقاضای و قیمت بعدی آن سهام می شود. به همین ترتیب ، بالی و همکاران.(2014) حق بیمه مربوط به شوک های نقدینگی را با توجه به عدم توجه و عدم اعتبار سرمایه گذار توضیح دهید. بسیاری از مطالعات در ادبیات ریزساختار که حجم معاملات را بررسی می کنند و رابطه بازگشت را به توضیح نادرست می پردازند. به عنوان مثال ، Gervais and Odean (2001) و Statman et al.(2006) با توجه به اینکه حجم معاملات منحنی های یادگیری سرمایه گذاران را که منجر به بیش از حد اعتماد به نفس می شود ، توصیف می کند و بیشتر بر بازده سهام آینده تأثیر می گذارد. باربر و اودین (2008) و هو و همکاران.(2009) استدلال می کنند که حجم معاملات مربوط به توجه سرمایه گذار است و منعکس کننده نحوه واکنش سرمایه گذاران به اخبار شرکت است.

در این مقاله با گسترش مقالات قبلی ، بررسی می شود که آیا همبستگی مقطعی مثبت بین حجم معاملات غیر طبیعی و بازده سهام آینده با خطرات اساسی اقتصادی مرتبط است. به طور گسترده تر ، ما علاقه مند به این هستیم که آیا می توان حق بیمه حجم را با مدل های قیمت گذاری دارایی فاکتور موجود توضیح داد. به طور خاص ، به عنوان یک جایگزین/مکمل توضیحات نادرست غالب ، ما بررسی می کنیم که آیا توضیحات مبتنی بر ریسک ، حداقل تا حدی ، برای حق بیمه حجم امکان پذیر است. 3 با انگیزه توسط فاما (1991) از یک پیوند صریح بین مقطع مقطعی و سری زمانی پیش بینی بازده سهام ، ما فرض می کنیم که اگر حق بیمه حجم ساخته شده از مقطع سهام در واقع به اصول اقتصادی متصل باشد ، سپس به پیش بینی کمک می کند تا پیش بینی شودتغییر زمان فعالیتهای اقتصادی واقعی آینده. در عین حال ، عوامل محرک برای خطرات اقتصادی به توضیح تنوع مقطعی بازده به سهام طبقه بندی شده در حجم معاملات غیر طبیعی کمک می کنند.

برای آزمایش این فرضیه ها ، ما دو استراتژی مدل سازی تجربی تعارف را اتخاذ می کنیم که هر یک توسط نویسندگان مختلف برای مطالعه محتوای اقتصادی عوامل برگشتی از جمله حق بیمه اندازه ، حق بیمه ارزش ، حرکت ، ناهنجاری های برگشتی مرتبط با سرمایه گذاری و نقدینگی استفاده شده است. ما ابتدا بررسی می کنیم که آیا حق بیمه حجم به پیش بینی فعالیتهای اقتصادی واقعی آینده در چارچوب رگرسیون پیش بینی کمک می کند. ما هر دو شواهد داخلی و خارج از نمونه را ارائه می دهیم که حق بیمه حجم حاوی اطلاعاتی است که برای پیش بینی رشد تولید صنعتی تا نه ماه مفید است. از نظر کمی ، یک افزایش انحراف معیار در حق بیمه حجم ، کاهش 9. 2 نقطه در رشد تولید صنعتی در ماه آینده را پیش بینی می کند ، که تقریباً نیمی از متوسط رشد اقتصادی در دوره نمونه است. Premium Premium HVP همچنین قدرت پیش بینی مشابهی را برای سه شاخص اقتصاد کلان دیگر نشان می دهد: شاخص فعالیت ملی فدرال شیکاگو (CFNAI) ، درآمد کل شرکت ها و اشتغال حقوق و دستمزد غیرقانونی. 4

ما سپس در چارچوب قیمت گذاری دارایی بررسی می کنیم ، تا چه اندازه حق بیمه حجم را می توان با عوامل خطر مشترک در بازده سهام و عوامل کلان اقتصادی توضیح داد. از آنجا که عوامل بازگشت مشترک به طور کامل HVP را به خود اختصاص نمی دهند ، ما بررسی می کنیم که آیا عوامل خطر اقتصادی دارای قدرت توضیحی اضافی هستند یا خیر. در یک مدل هفت عاملی که شامل FAMA و فرانسوی (2015) پنج عامل ، یک عامل نقدینگی و بازده یک نمونه کارها تقلید کننده است که اخبار مربوط به رشد تولید صنعت آینده را ردیابی می کند ، می فهمیم که عامل خطر اقتصادی قیمت دارد. 5 با این حال ، این عوامل فقط حدود یک سوم حق بیمه حجم را تشکیل می دهند.

علاوه بر این ، ما مطالعه می کنیم که چه مقدار از میانگین بازده بین اوراق بهادار با حجم کم و بالا می تواند با قرار گرفتن در معرض خطر سیستماتیک ، که با بارگذاری در چن و همکاران اندازه گیری می شود ، به حساب می آید.(1986) پنج عامل کلان اقتصادی. نتایج حاکی از آن است که سهام با حجم بالا بیش از سهام حجم کم در ریسک اقتصادی مربوط به تولید صنعتی و اصطلاح حق بیمه بارگذاری می شود. به طور شهودی ، برخی از سهام تا حدی افزایش در حجم را تجربه می کنند زیرا چشم انداز رشد این نوع سهام نسبت به سایر سهام نسبت به سایر سهام نسبت به اطلاعات مربوط به اقتصاد آینده حساس تر است و اخبار اصول باید از طریق تجارت قیمت گذاری شود. با این وجود ، گسترش در بارهای عاملی باریک است و پنج عامل اقتصادی در کل فقط می توانند بخش کوچکی از حق بیمه حجم را پیش بینی کنند.

به طور کلی ، ما شواهد سری زمانی از پیوند بین حق بیمه بازده با حجم بالا و اصول اقتصادی را می یابیم. با این حال ، شواهد حاصل از تجزیه و تحلیل مقطعی دو متغیره در هر دو سطح سهام و نمونه کارها تا حدودی ضعیف تر است. به طور خاص ، در حالی که خطر در رانندگی حق بیمه حجم نقش دارد ، مقدار پیش بینی شده بسیار اندک است. یکی از مؤلفه های بزرگ حق بیمه حجم را نمی توان با عوامل بازده مشترک و اقدامات ما در مورد خطرات اقتصادی به حساب آورد. ما همچنین می دانیم که دو مدل فاکتور مبتنی بر سوءاستفاده ، استامباگ و یوان (2017) و دانیل و همکاران.(2020) ، در توضیح حق بیمه حجم مشاهده شده ناکام است. بنابراین ، منابع ناهنجاری بازده برای بحث از دیدگاه قیمت گذاری دارایی باز است.

به بهترین دانش ما ، این اولین مقاله برای اتصال حق بیمه حجم به اصول کلان اقتصادی و بررسی تأثیر حجم در چارچوب قیمت گذاری دارایی است. 6 مورد افزایش علاقه تحقیق در بررسی رابطه بین اثر حجم و اصول شرکت وجود دارد. Akbas (2016) دریافت که سهام هایی که حجم معاملات غیرمعمول در طول هفته قبل از اعلامیه های درآمد را تجربه می کنند ، تمایل به شگفتی درآمدهای نامطلوب تری دارند. اسرائیلی و همکاران.(2018) ، با جزئیات کامل ، نشان می دهد که افزایش غیر منتظره در حجم معاملات سهام با سرمایه گذاری بیشتر شرکت ها و تأمین مالی جریان نقدی در سال آینده همراه است. هان و هوانگ (2018) دریافتند که شوکهای نقدینگی منفی منجر به پایین آمدن قیمت سهام در کوتاه مدت اما قیمت بالاتر در دراز مدت می شوند. آنها اثرات را با تغییر در اصول سطح شرکت و عدم اطمینان اطلاعات توضیح می دهند. مشارکتهای ما با روشی مهم با این مطالعات متفاوت است. در حالی که مطالعات فوق اثر حجم/نقدینگی را در سطح شرکت بررسی می کند ، این مقاله به داده های کل بازار و داده های کلان اقتصادی متمرکز است. علاقه تحقیق ما ارزیابی ارتباط بین حق بیمه حجم و اصول اقتصادی است.

مقاله ما مربوط به تعدادی از مقالات دیگر است که همچنین حق بیمه برگشتی مربوط به حجم را به عنوان جبران خطر تعبیر می کنند. با این حال ، تعاریف آنها از ریسک همان چیزی نیست که ما در اینجا مطالعه می کنیم. به عنوان مثال ، Garfinkel و Sokobin (2006) از حجم غیر طبیعی پیرامون اعلام درآمد به عنوان شاخصی از واگرایی نظر سرمایه گذار استفاده می کنند و اختلاف نظر را به عنوان یک خطر مشاهده می کنند. به طور مشابه ، اشنایدر (2009) استدلال می کند که حجم بالا به معنای کیفیت پایین اطلاعات و به همین ترتیب عدم اطمینان بیشتر است. بانرجی و کرمر (2010) موضع مشابهی می گیرند. گالمایر و همکاران.(2009) نشان می دهد که حجم زیاد نشانگر میزان عدم اطمینان غیر معمول در مورد تقاضای سرمایه گذار برای سهام است. در مقایسه ، ما مطالعه می کنیم که آیا پیوند مستقیم بین حق بیمه حجم و عوامل خطر مشترک وجود دارد.

مقاله ما همچنین با ادبیات بزرگی در مورد قدرت پیش بینی کننده نقدینگی شرکت و در سطح بازار (IL) برای بازده سهام آینده ارتباط نزدیکی دارد. تفاوت اساسی بین این مقاله و ادبیات نقدینگی در این است که ما از اطلاعات حجم معاملات متفاوت استفاده می کنیم. بسیاری از مطالعات قبلی تأثیر حجم معاملات (گردش مالی یا جریان سفارش) را در شکل سطح آن بررسی می کنند (برنان و همکاران ، 1998 ؛ Chordia and Swaminathan ، 2000 ؛ Lo and Wang ، 2010 ؛ Statman et al. ، 2006). خط دیگر از ادبیات نقدینگی (یا هزینه های معاملاتی) را بر اساس حجم تجارت سطح اندازه گیری می کند و تأثیر آن را بر تغییرات قیمت معاصر و آینده یا فعالیت اقتصادی بررسی می کند (Amihud ، 2002 ؛ Chen et al. ، 2018 ؛ Lou and Shu ، 2017؛ Næs et al. ، 2011 ؛ Pastor and Stambaugh ، 2003). برخی از کارهای اخیر بر شوک به نقدینگی متمرکز شده است (بالی و همکاران ، 2014 ؛ هان و هوانگ ، 2018).

در مقابل ، ما محتوای اقتصادی و قدرت پیش بینی تجارت را با شوک تا حجم معاملات به تنهایی مطالعه می کنیم. طبقه بندی ما از سهام به عنوان حجم بالا/پایین نسبت به تاریخچه تجارت اخیر خود است. اندازه گیری حجم معاملات و نقدینگی بی اهمیت نیست. Amihud (2002) و Acharya و Pedersen (2005) استدلال می کنند که سطح پایین تر نقدینگی باید منجر به بازده آینده پیش بینی شده بالاتر شود. از طرف دیگر ، بالی و همکاران.(2014) و هان و هوانگ (2018) به صورت تجربی نشان می دهند که سهام هایی که شوک نقدینگی منفی را تجربه می کنند حق بیمه منفی دارند.

در یک مقاله اخیر ، لو و شو (2017) نشان می دهند که قیمت گذاری اندازه گیری نقدینگی Amihud (2002) به ساخت نسبت بازده به حجم که برای تصرف تأثیر قیمت (یا هزینه های معاملات) در نظر گرفته شده است ، قابل توجه نیست. به مؤلفه حجم معاملات. 7 ما بعداً نشان می دهیم که ، در حالی که مرتبط است ، شوک به اطلاعات ضبط حجم معاملات که برای اقدامات سنتی نقدینگی یا شوک به نقدینگی مشترک نیست. علاوه بر این ، حق بیمه حجم اقتصاد واقعی را بهتر از اقدامات مرتبط با نقدینگی پیش بینی می کند. در توضیح اینکه چرا نقدینگی یک شاخص اقتصادی بهتر از بازده سهام است ، Næs و همکاران.(2011) استدلال می کنند که بازده سهام حاوی ترکیبی پیچیده تر از اطلاعات است که باعث می شود سیگنال ها تار تر شوند. ما حدس می زنیم که می توان یک استدلال مشابه برای عملکرد حق بیمه حجم نسبت به حق بیمه نقدینگی ایجاد کرد.

تفاوت دیگر بین مقاله ما و ادبیات نقدینگی این است که ، هنگام تشکیل اوراق بهادار سهام غیر طبیعی با حجم زیاد/پایین ، ما Gervais و همکاران را دنبال می کنیم.(2001) و کانیل و همکاران.(2012) و صریحاً سهام را حذف می کند که اعلامیه های درآمد آنها در روز تشکیل نمونه کارها یا اطراف آن است. سهام نیز در صورتی که حجم بالای آنها ناشی از اخبار مربوط به سایر رویدادهای شرکتی مانند ادغام ، ادغام و حذف باشد ، حذف می شوند. این نوع تغییرات حجم احتمالاً بیشتر به اصول شرکت مربوط می شود و به طور مستقیم با اصول کلان اقتصادی ارتباط ندارند. در مقابل ، از آنجا که تغییرات قیمت و حجم اغلب در مورد اطلاعیه های چنین رویدادهایی متمرکز است ، بسیاری از مطالعات دیگر یا بر اثرات حجم/قیمت این وقایع متمرکز شده اند یا بین حجم معاملات دلایل مختلف تمایز قائل نیستند (Akbas ، 2016 ؛ Næs et al.، 2011).

باقیمانده مقاله به شرح زیر است. در بخش بعدی فرضیه های قابل آزمایش را تهیه می کنیم و مدل های تجربی را برای آزمایش این فرضیه ها توصیف می کنیم. بخش 3 در مورد داده ها بحث می کند. بخش 4 نتایج اصلی رگرسیون پیش بینی کننده را ارائه می دهد. ما توضیحات مبتنی بر ریسک را برای حق بیمه حجم در بخش 5 دنبال می کنیم و توضیحات مبتنی بر سوءاستفاده را در بخش 6. آزمایش می کنیم. بخش 7 یافته های اصلی را خلاصه می کند و برخی از محدودیت های این مقاله را مورد بحث قرار می دهد.

قطعه قطعه

فرضیه های قابل آزمایش و روش تحقیق

نظریه ریزساختار بازار نشان می دهد که هم حجم معاملات و هم تغییرات قیمت مربوط به ورود اطلاعات به بازار است. کوکران (2013 ، ص 41) آن را صریح تر بیان کرد: "تجارت زیاد ... به وضوح با هدف آوردن اطلاعات به بازار است."حجم معاملات نشان می دهد که چگونه سرمایه گذاران در سهام شخصی برای به اشتراک گذاشتن ریسک یا گمانه زنی در مورد اطلاعات خصوصی که بیشتر الگوهای مختلف معکوس یا ادامه را ایجاد می کند ، تجارت می کند (Llorente et al. ، 2002). وانگ (1994) توسعه می دهد

داده ها

ما تمام سهام مشترک غیر مالی NYSE ، AMEX و NASDAQ را با کدهای سهم 10 یا 11 برای دوره اول ژوئیه 1963 تا 31 دسامبر 2016 در نظر می گیریم. آنها از پرونده های اوراق بهادار سهام CRSP و پرونده های رویدادها بدست می آیند. پرونده های داده سالانه و سه ماهه Compustat اطلاعات حسابداری شرکت ها را ارائه می دهد. ما دو نوع پرتفوی مرتب شده با حجم را می سازیم. از نزدیک پیروی از Gervais و همکاران.(2001) و کانیل و همکاران.(2012) ، در مجموعه اول ، ما ده اوراق بهادار را با یک نوع در تجارت غیر طبیعی تشکیل می دهیم

قدرت پیش بینی کننده حق بیمه بازده با حجم بالا برای فعالیت های اقتصادی

در این بخش ، ما بررسی می کنیم که آیا حق بیمه بازگشت حجم بالا حاوی اطلاعاتی است که مربوط به رشد تولید صنعتی آینده و سه شاخص اقتصادی دیگر با استفاده از رگرسیون پیش بینی کننده (1) با و بدون کنترل سایر متغیرهای پیش بینی کننده است.

آزمایش توضیحات مبتنی بر ریسک

پس از نشان دادن شواهد سری زمانی در مورد قدرت پیش بینی کننده بازده بالا حق بیمه HVP برای فعالیت های اقتصادی ، ما بیشتر آزمایش می کنیم که آیا توضیحات مبتنی بر ریسک برای حق بیمه امکان پذیر است یا خیر. ما ابتدا بررسی می کنیم که آیا حجم معاملات غیر طبیعی (شوک به حجم معاملات) از نظر مقطعی با بسیاری از ویژگی های شناخته شده سهام/بنگاه که همچنین بازده سهام مقطعی را پیش بینی می کند ، ارتباط دارد. ما سپس در چارچوب تجزیه و تحلیل نمونه کارها دو متغیره ، چه

آزمایش رفتار/توضیحات نادرست

همانطور که قبلاً مورد بحث قرار گرفت ، مطالعات قبلی توضیحاتی را در مورد تأثیر حجم در امتداد خطوط نادرست و شناخت/توجه سرمایه گذار ارائه می دهند. در این بخش ، این فرضیه جایگزین را ارزیابی می کنیم. به طور خاص ، ما بررسی می کنیم که آیا HVP حق بیمه بازگشت با حجم بالا پس از کنترل عوامل سوءاستفاده Stambaugh و Yuan (2017) و عوامل رفتاری دانیل و همکاران کاهش می یابد.(2020).

با ترکیب اطلاعات در 11 ناهنجاری برجسته ، Stambaugh و Yuan (2017)

نتایجی که اظهار شده

توضیح غالب برای تأثیر حجم این است که این یک تجلی فرضیه تشخیص سرمایه گذار مرتون (1987) و ناکارآمدی بازار است. این مقاله با تکمیل تحقیقات منتشر شده که در درجه اول بر شواهد در سطح شرکت متمرکز شده است ، اولین شواهد تجربی از پیوند بین حق بیمه بازگشت حجم بالا (HVP) و اصول کلان اقتصادی را ارائه می دهد. با انگیزه ای از قدرت پیش بینی کننده قوی آن برای اقتصاد واقعی ، ما همچنین یک توضیح مبتنی بر ریسک را برای

تصدیق

من بدهی بزرگی را به ران کانیل و یک داور ناشناس به خاطر نظرات روشنگری و پیشنهادات بسیار مفید آنها مدیون هستم. من از اظهارات مفید جان والد و شرکت کنندگان در دانشگاه تگزاس در سمینار Brown Bag Bag Bag Bag ، از دانشگاه تگزاس قدردانی می کنم. من همچنین از خوان مائو برای ارائه داده های مالکیت نهادی تشکر می کنم.