生产互补性、52周高点与跨企业收益可预测性

《Pacific-Basin Finance Journal》:Production complementarity, 52-week high, and cross-firm return predictability

【字体: 大 中 小 】 时间:2026年09月30日 来源:Pacific-Basin Finance Journal 5.4

编辑推荐:

   •我们考察了中国A股市场中的生产互补者动量溢出效应。 •我们发现存在一种交互效应,即互补者动量与接近52周高点的程度呈正相关。 •这种交互效应源于投资者的锚定心理,而非由核心公司过去的好消息或投资者的不关注所驱动。 •这种交互效应在高市场情绪期和上升市场状态下表现得尤为显著。

  

•我们考察了中国A股市场中的生产互补者动量溢出效应。
•我们发现存在一种交互效应,即互补者动量与接近52周高点的程度呈正相关。
•这种交互效应源于投资者的锚定心理,而非由核心公司过去的好消息或投资者的不关注所驱动。
•这种交互效应在高市场情绪期和上升市场状态下表现得尤为显著。

引言
大量文献表明,价格信息可以在经济上存在联系的公司之间扩散,而不仅仅局限于同一证券内部。已记录的联系包括:同一行业归属(Moskowitz and Grinblatt, 1999; Hou, 2007; Cohen and Lou, 2012)、地理邻近(Parsons et al., 2020; Chen et al., 2022)、客户关系(Cohen and Frazzini, 2008; Menzly and Ozbas, 2010)、暴露于相同的外国行业(Huang, 2015)、技术相关性(Bekkerman et al., 2023; Lee et al., 2019)、企业集团结构(Cohen and Lou, 2012; Hoberg and Phillips, 2018)以及共同分析师覆盖(Ali and Hirshleifer, 2020)。这些研究共同表明,经济上存在联系的公司通常表现出可预测的收益领先-滞后关系。Lee等人(2024)将这一思路扩展到了生产互补性上。这种联系在概念上与属于同一部门不同。被归类为同一行业的企业通常销售类似的产品并共享产品市场或成本冲击,而互补者可能在不同行业运营,提供不同的投入品或服务,最终由相同的下游用户组合使用。这些公司不必相互竞争或直接进行交易。因此,生产互补性捕捉到了一种间接的、跨行业的联系,而标准的行业代码和直接供应链联系可能会遗漏这种联系。由于识别这种关系需要投资者推断不同的上游产出如何共同进入下游生产,互补公司的信号可能不如普通行业信息那样显著,处理起来也更困难。Lee等人(2024)在美国数据中表明,强互补者的收益领先于核心公司的收益,并主要通过投资者的不关注来解释这种延迟。我们提问,是否还有第二种行为力量,即对52周高点的锚定,也会减缓这种传递。中国为回答这个问题提供了有用的背景,原因有三。其制造业基础庞大且高度多元化,产生了多种跨行业投入组合;在其样本期内,生产结构发生了实质性变化,活动转向更多技术和资本密集型部门;并且其A股市场在投资者构成和套利条件上与美股市场不同,包括散户参与度高、投机交易多以及显著的做空限制(Titman et al., 2022)。因此,研究中国使我们能够评估互补者动量及其行为解释在截然不同的制度环境中是否依然存在。

52周高点可以作为投资者估值过程中的显著参考价格(George and Hwang, 2004; Li and Yu, 2012a)。当当前价格接近该历史最高值时,即使在收到利好信息后,投资者也可能不愿上调估值;类似的锚定也会影响当价格远离高点时的信念(Birru, 2015)。先前的工作将这一参考点与几种经济联系中的动量传递联系起来,包括客户-供应商、地理、行业、企业集团、外国行业和共享分析师网络(Huang et al., 2021; Lin, 2024)。将这一推理应用于生产互补性,预测当核心公司的价格接近其52周最大值时,有利的互补者信号的纳入会更慢。识别经济联系与其解释其含义之间的区别是我们问题的核心。投资者可能知道两家公司服务于重叠的下游市场,但在对另一家进行估值时,仍可能对其中一家的价格信号给予不足的权重。确定相关的同业组是一个信息获取问题;在观察到该信号后,决定核心公司估值应改变多少是一个信念更新问题。生产互补性使第一项任务变得艰巨,因为这种联系是间接的。显著的历史价格可能会使第二项任务复杂化,因为它会使原本合理的向上调整显得过度。这些摩擦可以同时发生。因此,锚定的证据不必与基于注意力的互补者动量解释相矛盾。相反,这表明意识到一个信号并不能确保其含义完全反映在核心公司的价格中。

这一推理产生的是一个条件性预测,而非所有接近高点的股票都应跑赢的普遍预测。当互补者收益传递利好信息时,接近历史最大值可能会限制核心股票即时调整,使更多的反应随后发生。其实证含义是,在高WH股票中,滞后COMPLRET与未来核心收益之间的关系更为陡峭。仅比较平均高WH和低WH收益并不能分离出这种机制,因为它结合了具有不同互补者信号的观测值。因此,我们的测试强调了不同WH组之间互补者动量利差的差异及其交互项系数。这种设计将心理解释与可观察的横截面限制联系起来,同时允许单独的WH效应较弱或为负。

我们的第一步是在中国建立互补者动量。每个月,核心公司根据最强互补者的平均收益(COMPLRET)进行排名,并分配至五分位组合。一种买入最高COMPLRET五分位并做空最低五分位的策略获得了1.14%的月度CH4阿尔法收益。在考虑到标准收益预测因子后,横截面回归和独立组合排序得出了相同的结论:互补者近期表现更强随后会伴随着核心公司更高的收益。因此,Lee等人(2024)在美国记录到的领先-滞后关系在中国市场同样存在。

然后我们考察接近52周高点是否改变这种可预测性的强度。对COMPLRET和52周高点比率(WH)进行独立的5×5排序表明,对于最接近高点的公司,COMPLRET多空CH4阿尔法收益为每月1.59%,而对于最远离高点的公司则为0.87%。每月0.71%的差异其t统计量为2.17。公司层面的回归得出了平行的结果:COMPLRET x WH的系数为0.17(t = 2.54),并在5%的水平上显著。遵循George等人(2017)和Huang等人(2021)的方法,我们进一步将组合收益分解为纯粹的COMPLRET成分、纯粹的WH成分和联合成分。在基线分解下,联合成分为正,当我们改变参考价格期限、使用固定阈值或将样本划分为不同时期时,这一情况依然如此。我们还将市值、Amihud非流动性、特质波动率和机构持股作为套利限制的代理变量进行了考察。在套利更困难的地方,交互效应往往更强,这与锚定相关的错误定价更难消除是一致的。

另外两项测试解决了COMPLRET-WH关系的竞争性解释。首先,一只接近其52周高点的股票可能只是之前经历了有利的公司特定新闻。遵循An等人(2019)的做法,我们因此增加了COMPLRET x MOM,其中MOM总结了核心公司自身的过去收益新闻。COMPLRET x WH仍然保持正值且显著,而一旦处理了内生性问题,MOM交互项便不再稳健。其次,我们询问该效应是否仅仅反映了对接近高点的股票关注较少。遵循Huddart等人(2009)和Huang等人(2021)的做法,我们使用异常交易量作为注意力的代理变量。高WH组的交易活动更高,而非更低:系数为0.51,而低WH公司则为-0.56。因此,接近历史高点时更强的互补者动量效应不能通过对核心股票本身关注度的降低来解释。

我们还评估了这种交互作用是否随更广泛的市场环境而变化。因为行为扭曲可能是状态依赖的(Fong and Toh, 2014; Hao et al., 2018; Cooper et al., 2004),且动量可能与宏观经济风险协变(Chordia and Shivakumar, 2002),我们在情绪状态、市场状态和宏观经济设定下重复了分析。COMPLRET-WH交互作用集中在高情绪和上升市场时期,而在纳入宏观经济变量后,核心结果依然成立。

本文的贡献体现在三个方面。首先,它提供了一个主要新兴市场中通过生产互补性进行收益传递的样本外证据。中国广泛且不断演变的制造业结构使跨行业投入联系在经济上具有重要意义,而其投资者基础和套利环境与美国截然不同。在这种背景下发现基本相同的领先-滞后模式,表明互补者动量并不局限于其首次被记录的市场。该分析还通过分离出一个与行业、客户-供应商、技术、地理和共同分析师联系不同的渠道,补充了对中国经济网络的研究。

其次,我们阐明了52周高点在公司间信息扩散中的作用。长期以来,文献将历史高点视为可能延迟价格调整的参考点(George and Hwang, 2004; Liu et al., 2011; Li and Yu, 2012b; Driessen et al., 2013; Bhootra and Hur, 2013; Birru, 2015; Lee and Piqueira, 2019)。最近的研究表明,这一机制可以塑造跨关联公司的收益溢出(Huang et al., 2021; Lin, 2024)。我们的证据将这一想法扩展到了生产互补性网络。特别是,锚定提供了除Lee等人(2024)强调的不关注渠道之外的互补者动量的额外解释:当核心价格接近显著的历史最大值时,来自互补者的信息纳入会更慢。

第三,结果将这种行为渠道的强度与市场状况联系起来。先前的工作认为,投资者偏见会随情绪、整体市场表现和宏观经济风险而变化(Cheema and Nartea, 2017; Chu et al., 2022; Cooper et al., 2004; Liu and Zhang, 2008)。在我们的设定中,COMPLRET-WH交互作用在高情绪和上升市场中更强,而基于过去核心公司新闻、注意力和宏观经济控制变量的测试并未推翻锚定解释。

制度比较也为贡献设定了边界。来自中国的证据并没有确立在任何市场中都应该预期到相同收益幅度。相关的可转移命题是,间接的生产联系可以承载信息,而价格参考点可以影响其纳入。由此产生的可预测性的规模和持续性可能取决于谁在交易、投资者多容易识别这种联系,以及知情交易者是否能够有利地抵消估值错误。我们的设定允许在生产网络和制度不同于产生原始美国证据的基础的地方检验这些命题。因此,该分析将信息传输的经济联系与可能支配调整速度的市场条件区分开来。

本文其余部分如下进行。第2节描述样本和变量构建。第3节确立互补者动量并考察其与WH的交互作用。第4节呈现收益分解框架和结果。第5节评估替代机制,第6节研究市场状态和宏观经济异质性,第7节得出结论。

章节片段
数据
生产互补性根据中国国家统计局(NBSC)的基准投入产出调查进行衡量,遵循Fan和Lang(2000)、Aobdia等人(2014)以及Lee等人(2024)的做法。使用表记录了每个行业的产出如何被其他行业吸收,使我们能够表征下游目的地的重叠。由于行业分类在不同调查版本之间会发生变化,我们在每张表中尽可能使用最详细的分类,这部分内容详见摘要统计。

摘要统计
表1总结了主要变量。样本每年平均包含1291家核心公司。核心公司的平均月度收益为1.11%,平均WH为0.69,强互补者平均每月收益为1.32%。COMPLRET与其他特征之间的成对相关性适中;最大的绝对相关性为0.10。在线附录表A1提供了对COMPLRET-WH排序独立性的单独检查。在给定的COMPLRET五分位内,平均COMPLRET变化...

收益分解
前面的测试确立,当WH较高时,COMPLRET对核心公司收益的预测力更强。为了量化这种利差中有多少与锚定本身相关,我们应用了George等人(2017)和Huang等人(2021)的收益分解方法。该方法将收益分解为仅与互补者新闻相关的成分、仅与历史价格锚点相关的成分以及剩余的联合成分。最后一项是主要关注的量,因为它...

经济机制
接下来我们评估两种可能模仿基于锚定交互作用的解释。

第一种解释是,高波动性(WH)企业近期获得了有利的企业特定利好消息;第二种解释是,投资者对焦点企业的关注接近历史高点。第5.1节通过考察接近52周高点与对过去利好消息反应不足的关系,第5.2节通过考察接近52周高点与投资者关注的关系,分别检验了这两种可能性。

市场状况与COMPLRET–WH交互项

前几节关注的是平均交互效应。我们现在进一步探讨该效应的幅度是否会随整体市场状况的变化而变化。分析中考虑了投资者情绪、市场方向以及宏观经济变量。

结论

本文研究了收益信息如何在通过生产互补性间接关联的企业之间传递,以及这种传递是否依赖于一个显著的历史价格。在中国A股市场,强互补者的近期收益能够预测焦点企业的未来收益,即便在控制了标准特征变量、风险因素调整以及其他跨企业动量渠道之后,这一结论仍然成立。这一规律表明,生产网络中其他环节产生的信息会传导至焦点企业。

CRediT作者贡献声明

Gao Qianran:撰写——审阅与编辑,撰写——原始草稿,软件,方法论,调查研究,形式分析,数据整理,概念化。

Ma Yao:撰写——审阅与编辑,撰写——原始草稿,方法论,调查研究,形式分析,概念化。

Yang Baochen:可视化,监督指导,资源提供,项目管理。

未引用参考文献

Byun等人,2020年

Duan等人,2022年

Lam和Wei,2011年

Yi和Guo,2022年

利益冲突声明

无。

致谢

本研究得到了国家自然科学基金(项目编号:72171167和72301207)和中国博士后科学基金(项目编号:2023M742779)的资助。所有错误均由我们负责。

Gao Qianran | Ma Yao | Yang Baochen
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号