文献报告

Learning from peers' stock prices and corporate investment

1 文献背景分析

1.1 研究背景分析

在进行财务分析时，为评估新的投资项目的效益，决定是否做出投资决策时，公司的管理者往往会参考同行的公司股价情况，Graham, J., Harvey, C., 2001认为企业高管将同行的估值用于资本预算决策。因此，人们期望企业的投资受到同行的市场估值（股票价格）的影响。但是，这种影响是否存在以及为什么没有受到足够的重视。在本文中，作者研究了这些问题。

1.2 理论与学术背景

作者检验了一个假设，即企业同行的市场估值会影响其投资，因为该估值使经理了解该公司的增长机会，从而补充了管理者可获得的其他信息，例如公司自身的股价。如果管理者使用同行的估值来做出投资决策，那么公司的投资和同行的估值应该会产生协同性，但是影响公司的股价的因素众多，证据不足以证明这种协同性，因此作者设计了一个简单的模型。

我们考虑一个简单的模型，在该模型中，同行的估值补充了经理们有关其投资机会的知识。在此模型中，某公司出售一种产品，该产品的需求不确定，并且与另一家公司的产品（同行）的需求相关。公司的管理者必须决定是否扩大生产能力。仅当对公司产品的未来需求足够强劲时，这种增长机会才具有正的净现值。当投资者利用有关未来需求的私人信息进行交易时，公司的股票价格和其同行的股票价格除了向管理者提供私人信息外，还向管理者提供有关增长机会的净现值的信号。
我们比较了三种不同的情况：（i）管理者忽略股票市场信息（无管理者的信息学习）；（ii）管理者只依靠自己的股价（狭义的信息学习）；（iii）管理者使用每个股票价格中包含的信息（向同行学习）。
当管理者忽视股价时，公司的投资和股价就会变动，因为管理者的私人信号和投资者的信号是相关的。当管理者从股票价格中获取信息时，该“相关信息”通道也会运行。

简单来说，作者认为公司投资与股价变动的相关性主要通过两个渠道来实现：

1. 股价相关信息渠道，这一渠道是由于投资者和管理者的信息具有相关性；
2. 管理者的学习渠道，管理者察觉同行的股价上升时会增加自己投资，意即从同行的股价中接受到了较多的信息。

作者提出了5个预测：

1. 如果公司的经理从股票价格中学习信息，那么公司自身股票价格信息的增加会降低其投资对其同业股票价格的敏感性；
2. 如果经理从同行股票价格中获取信息，则其同行股票价格的信息量的增加会降低公司投资对其自身股票价格的敏感度；
3. 第2点也适用于公司的基本面信息与同行的相关性增加的情况；
4. 通过学习，管理者私人信息的改善总是会降低公司对同行的投资敏感性股票价格；
5. 当公司的同行股票价格的信息量足够高时，管理信息质量对公司投资对其自身股价敏感度的影响从负变为正。

本质上，管理者汇集各方的信息，包括自己的信息（从自身股价的变动中获得），同行的信息（从同行股价的变动中获得），对于自身信息和同行信息的依赖程度，总体上来说是一个此消彼长的现象，当自身股价更高或者自己的私人信息更全面时，对于同行信息的依赖就会少，当同行的股价更高或者自己未公开上市时，对同行的股价信息依赖更多。（注：这里隐含的条件是，投资者是理性的，并且存在掌握套利信息的投机者，公司股价上涨代表投资者认为公司的投资活动的增长机会更多，包含了更多的价值信息） 作者希望证实的是对同行股价的信息学习对于的投资决策有显著的影响，那么逐一分解信息来源成为检验这一理论的关键。

2 建立模型

为了逐一分解管理者的信息来源，并描述管理者投资过程，作者建立了一个模型详细描述了管理者投资决策的过程：

投资决策过程

存在公司A和B，产品需求和现金流在第3天实现，在第2天，在知道其产品需求之前，公司A可以扩大或不扩大其生产能力，在第1天，投资者以PA1和PB1的价格交易公司A和B的股份。

简单来说，公司B是公司A的同行，公司A的管理者需要综合各方信息来做出决定，是否在第二天扩大投资。
作者在这一部分耗费了大量的笔墨进行投资决策的数学分析，我在此不便赘述。总结作者的分析，主要是以下几点：

1. 作者将市场交易的参与者分为四种人，并且各有其信息来源：
   a. 私人投资者，其主要体现在正常的股票交易中，并且会利用有效信息买入股票，使股价上升；
   b. 管理者，其从自身的经营管理中获取信息，有一定的概率γ获得完全有效的信息；
   c. 投机者，其从自身的研究或者偶然中获得低成本或者无成本的信息π（A,B皆有）；
   d. 做市商，做市商通过交易订单中的订单流获得信息，有投机者参与时，做市商会参考这种买入的信号，而获得信息f。
   这些信息最终都能通过股价的变动体现出来，分情况考虑管理者对于股价的学习程度，可以有效地分离信息的使用情况；
2. 以上信息的作用下，股票市场存在以下两种平衡：
   均衡一：a. 投机者知道B的产品需求增长时买入B的股票，知道B的产品需求下降时卖出股票，其他情况不交易；b. 第一天公司B的股价是投资者净需求的增函数（投机者买入带来额外的股票需求增量，增加了净买，净买会拉升股价，净卖则反之）。
   均衡二：a.投机者知道A的产品需求增长时买入B的股票，知道B的产品需求下降时卖出股票，其他情况不交易;b. 第一天公司A的股价是投资者净需求的增函数（投机者买入带来额外的股票需求增量，增加了净买，净买会拉升股价，净卖则反之）；c. 管理者在第二天获得需求B会增加的信号或者自己的股价上升的信息会增加投资。决策的关系可以参考下图：

投资决策分析

3. 通过上述均衡的推导，作者分别从三种情况：（i）管理者忽略股票市场信息；（ii）管理者仅从自己的股价中学习；（iii）管理者从他们的股票价格和同行的股票价格中学习。最终得出的相关性结果如下图所示：

   
   投资决策影响
   

   经过作者的分析，存在同行学习时（第三种情况），公司投资与同行股价的协同性是确定且唯一的，这种协同性（或称依赖度）随投机者对同行公司的信息的增加而增加，（即B的股价包含更多的信息），随管理者自己私人信息和自己公司股价内投机者信息的增加而减少，随A和B业务需求的相关性的增强而增强，这与上述简要分析符合。

3 实证检验

3.1 数据来源

作者基于基于每年向美国证券交易委员会（SEC）提交的公司10-K（产品1或项目1A）产品描述部分的文本分析来进行行业分类，该分类涵盖1996年至2008年，因为TNIC行业要求以电子可读格式提供10-K年度归档。作者选取TNIC的原因主要为以下：

TNIC行业具有三个重要特征。
首先，与基于标准行业分类（SIC）或北美行业分类系统（NAICS）的行业不同，它们会随时间变化。尤其是，当一家公司修改其产品范围，创新或进入新产品市场时，这家对等公司会相应地发生变化。
其次，TNIC行业以公司向市场提供的产品为基础，而不是以NAICS为例。因此，与我们的模型一样，同一TNIC行业中的公司更容易受到共同需求冲击的影响。
第三，与SIC和NAICS行业不同，TNIC行业不要求企业之间的关系具有传递性。确实，由于相对于每个公司定义了行业成员，所以每个公司都有自己独特的一组同行。

作者使用了诸多参考变量，如下:

参考变量
注：作者在引用上述变量的时候对1%的离群值进行了缩尾处理，同时为使结果更稳健，将数据标准化处理

PPE代表了检验的被解释变量，投资支出I；托宾Q来衡量企业的市值，股价变动情况；Ψ代表前文中投机者偶然获得的信息量π；insiderAR代表公司内部的超额收益可能，为管理者的私人信息γ；ρsales和ρreturns分别为两种代表公司业务需求的相关性。

3.2 回归模型

依据上述分析和变量，作者设计了如下的回归模型：

回归1

前两项截距项分别代表了公司层和时间的固定效应，-i代表了同行的情况，i代表公司自己的情况，X为公司的资产、现金流等其他控制变量，公司投资支出与股价变动的协同效应通过β和η表示出来，前者代表对自己股价的相关性，后者代表对同行股价的相关性。

3.3 实证结果

总结作者的实证结果如下：

1. 公司投资和股价的关系，具体来说，作者使用不同公司及其同行的分位值进行了回归检验，结果表明以托宾Q为代表的市价的变动表现出对公司投资水平的显著的正相关性，在基准回归中，公司自身的托宾Q变动一个标准差会导致公司的投资水平增加5.9%，而同行的托宾Q变动一个标准差会导致公司的投资水平增加13.7%，这里的稳健性检验，作者只是简单陈述再考虑以下几种情况后依旧稳健：a. 不同的固定效应；b. 不同的聚类分组；c. 不同的投资支出定义；d. 不同的估值代表；e. 不同的收益率选择；f. 其他能反应资产情况的变量；
2. 动态行业分类，这里作者又分为几种情况分析：
   首先，作者选取了1000家非同行的公司的股价变动情况，并对公司的投资回归，结果发现这些非同行公司的股价变动的信息对于公司A的投资影响是微不足道的；
   然后，作者考察公司发生行业转换，或进入一个新领域进行投资时的决策影响情况，把同行划分为：（i）新的同行，（ii）仍然是同行，（iii）过去的同行，（iv）未来的同行。在具体操作上，以t 为时间点，设定公司A于t时做出投资决策，t+1时正式踏入新行业，拥有新同行，实证结果表明公司A的投资对于新同行的公司的股价信息表现出显著的正相关性，而对退出同行的公司的股价信息的相关性并不显著，这与管理者从新领域公司的估值获取信息的经验事实相符；

3. 对于公司向同行学习股价信息的假设检验，作者在基准回归实验的基础上完善了回归模型：

   
   模型2

这里作者引入了托宾Q和φ的交叉项 ,通过选择不同的参数指标（具体为三种：分别为投机交易信息π；管理者私人信息γ；同行需求的相关性ρ，代表上述的三种信息影响），
a. 投机交易信息（同行股票知情交易水平）π的检验，作者参考Durnev，Morck和Yeung，2004中对于这种交易信息Ψ的定义，将同行的Ψ对公司的Ψ回归后的残差设定为πB，将公司的Ψ对同行的Ψ回归后的残差设定为πA，之后对π进行回归分析， η1和β1即代表这种参数带来的影响，结果表明同行股票知情交易水平的提高在一定程度上增强了公司投资对其同行市值的敏感性。；
b. 管理者私人信息γ，作者使用Chen, Q., Goldstein, I., Jiang, W., 2007.的方法使用公司内部人员的交易活动和其交易的盈利能力作为私人信息质量的代理来检验这两个预测，结果表明投资行为对同行的股价信息都显著为正，但是对于自身股价信息不显著，这也符合上述随同行的股价知情交易水平相关的推论，因此作者加入了三元的交乘项，Qi* φ *Ψ，之后就表现出显著，且当同行股价信息相关性较大时，对自身的相关性由负转正；
c. 公司需求的相关性ρ，我们使用三种不同的代理来表示企业产品需求之间的相关性。首先，使用前三年的季度销售额；其次，我们使用公司股票收益与同业股票收益之间的相关性；最后，根据公司的产品描述直接测量产品相似性，参考Hoberg和Phillips，2011开发的TNIC行业是基于相似度得分（从0％到100％）来代表相关性。结果表明，当公司的产品需求与同业的需求更相关时，公司的投资对自己的托宾Q的敏感性降低。
以上三种实证结果如下图：

实证结果

4. IPO前对于同行上市公司的股价信息参考，如果由于管理者从这些价格中获取信息而使公司的投资受到其同行估值的影响，那么在公司IPO之后，该公司的投资对其同行估值的敏感性下降。作者对样本进行了重新筛选，使用1996年至2008年期间3,166个美国IPO的样本，比较了公司在IPO前后的投资。在此样本中，确定了1,342家公司，作者从中获得投资和同业公司股票在上市之前和之后的股票价格的数据（上市后最多五年）。同时引入虚拟变量Post作为IPO事件的分界点，IPO之后Post取1，之前为0.实证结果也显著表明，一旦公司上市，公司的投资对其同行的估值就变得不那么敏感，而当增加销售增长的变量以进一步控制公司的投资机会之后，也获得相同的结果。

总结以上实证结果，都证实作者的理论推断，表明了在管理者关注股票市场价格的情况下，公司投资支出对于同行股价变动的显著的相关性，而这一相关性又随三种不同的信息来源的影响，分别是投机者的信息π，私人信息γ，需求相关性ρ。

4 个人观点与分析

1. 研究背景的国内适用性，我认为投资前对于同行信息的学习在国内是比较普遍的，尤其是国内股票市场对于公司的行业特征和题材概念十分看重，例如近段时间兴起的热门概念：口罩、新能源汽车、光伏技术、远程办公技术、在线教育技术、无人机技术，以及老牌热门概念：5G、区块链、云计算、大数据、物联网、车联网等等，某一行业内“龙头企业”股价的大幅拉升往往会带动整个板块的公司股价上涨，从而刺激公司的投资与研发支出，我认为最典型的是本次疫情期间迅速火爆的口罩行业，这一行业是传统加工制造业，但是由于疫情的原因导致这一行业的需求暴涨，从而吸引众多公司投产口罩设备或生产消毒防护产品等，具有十分典型的行业特征和同行的信息学习性，一旦宣布公司加入口罩生产，企业股价立马拉升，对于企业而言，企业价值出现较大增涨；
2. 实证研究过程的疑问，首先，作者在文中并没有提供较多的关于基准回归实验的稳健性检验，但是作者依旧陈述了考虑多种情况后依然稳健的结果；其次，联想另一篇文章Does Corporate Headquarters Location Matter for Stock Returns? 的内容，公司的股价收益率表现出地域的协同性，不考虑分红时，股票收益率又变现为股价的增长，而股价的增长在本文中又会影响公司的投资水平，因此，在这样的传导机制下，这种投资水平的变动是否会产生地域特征，同时，那篇文章中也指明同行业的公司往往具有“扎堆”的地域特征（联想国内的工业园区，高新园区，科技园区，同行的地域聚类特征明显），而作者在本文中并没有对这种地域特征做出分析，这或许是可以补充的一点。
3. 关于股价包含的信息的可靠性，在成熟的资本市场或者有效的市场下，股价的上涨包含了投资者的理性和增长机会的真实性，但是在资本市场尚不成熟或者有效性不足时，股价就容易受资金炒作的影响从而过于上扬或下跌，导致股价包含的信息失真，那么对于本文中描述的公司管理者对于股价信息的学习行为在不成熟的资本市场中又会发生什么样的变化呢？我认为如果理性的管理者意识到自己身处一个不成熟的资本市场，那么对于股价的学习效果就会减弱，意味着公司投资决策对股价的敏感度降低，依据此消彼长的理论，对股价信息的敏感度降低，必然导致对另一信息源的敏感性的增强，在本文三种情况下，当管理者无视股价信息时，私人信息γ的占据主导地位，因此这一私人信息的衡量成为不成熟市场下投资决策影响的关键，而私人信息又可以选择工作时间、教育水平、收入、在职期间公司增长等具有个体信息特征的变量来分析，这也是我认为可以补充的一方面。

以上，是我关于 Learning from peers' stock prices and corporate investment 这篇文章的总结和看法，请连老师批评指正，祝您身体健康，工作愉快~