قطع رابطه اقتصاد کلان و بازار سهام

پس از شوک کووید در مارس 2020، قیمت سهام به‌طور ناگهانی کاهش یافت که منعکس‌کننده بدتر شدن انتظارات سرمایه‌گذاران از فعالیت اقتصادی و همچنین افزایش ریسک‌گریزی کل بود. با این حال، در ماه‌های بعد، در حالی که فعالیت‌های اقتصادی ضعیف بودند، بازارهای سهام با قدرت بازگشتند. این قطع ارتباط بین ارزش سهام و متغیرهای اقتصاد کلان را می‌توان تا حدی با عوامل دیگری همچون کاهش نرخ بهره بدون ریسک، و برای ایالات متحده، سودآوری قوی بخش فناوری اطلاعات توضیح داد. در نتیجه، یک متخصص اقتصادسنجی که تلاش می‌کند فعالیت‌های اقتصادی را با متغیرهای کل بازار سهام در طول بحران کووید پیش‌بینی کند، احتمالاً نتایج ضعیفی خواهد گرفت.

ایده اصلی مقاله تکیه بر متغیرهای ارزش ویژه تقسیم‌بندی‌شده در یک مدل عاملی برای پیش‌بینی فعالیت‌های اقتصادی آینده ایالات متحده است. اول، متوجه شدیم که مدل عاملی فعالیت اقتصادی آینده را در مقایسه با متغیرهای کل ارزش سهام یا معیارهای معمول مورد استفاده در پیش‌بینی اقتصاد کلان (هم درون نمونه و هم خارج از نمونه) بهتر پیش‌بینی می‌کند. دوم، نشان می‌دهیم که عملکرد قوی مدل عاملی از این واقعیت ناشی می‌شود که مدل مولفه «بازده مورد انتظار» متغیرهای سهام مولفه خارجی مجموع جریان‌های نقدی آتی را فیلتر می‌کند، و همچنین دارای وزن بالاست و بخش‌های «ارزشی» که مشخص شده‌اند با وضعیت آینده چرخه تجاری ایالات‌متحده مرتبط هستند.

پیش‌بینی متغیرهای کلان اقتصادی با استفاده از شاخص‌های مالی با توجه به این واقعیت که متغیرهای مالی مانند بازده اوراق قرضه و قیمت سهام انتظارات مربوط به فعالیت‌های اقتصادی آتی را تحت تاثیر قرار می‌دهند، یک کار چالش‌برانگیز است. واگرایی اخیر بین تحولات در بازارهای سهام و فعالیت‌های اقتصادی گسست ظاهری بین متغیرهای مالی و اقتصاد واقعی را برجسته کرده است. پس از شوک کووید در مارس 2020، قیمت سهام به‌طور ناگهانی کاهش یافت که منعکس‌کننده بدتر شدن انتظارات سرمایه‌گذاران از فعالیت اقتصادی آتی و همچنین افزایش ریسک‌گریزی کل بود. با این حال، در ماه‌های بعد، و در کمال تعجب بسیاری از صاحب‌نظران، در حالی که فعالیت اقتصادی نسبتاً ضعیف بود، بازارهای سهام با قدرت بازگشتند. این موضوع در نمودار یک دیده می‌شود.

یک توضیح ساده این است که نه‌تنها قیمت سهام منعکس‌کننده جریان‌های نقدی مورد انتظار آینده و ریسک‌گریزی سرمایه‌گذاران است، بلکه سطح نرخ‌های بهره بدون ریسک را نیز منعکس می‌کند. با تمرکز بر مثال آمریکایی، نرخ‌های بهره دولتی 10ساله ایالات‌متحده از مارس تا آگوست 2020 کاهش یافت، بنابراین می‌تواند بخشی از افزایش ارزش سهام را توضیح دهد.

با این حال، در حالی که این موارد بخشی از توضیح است، معتقدیم که می‌توان این معمای ظاهری را با درک این نکته که تکیه بر شاخص کل قیمت یک سهام معین، بسیاری از اطلاعات را که ممکن است از اهمیت ویژه‌ای برخوردار باشند، نادیده می‌گیرد، بیشتر توضیح داد. در نقاط عطف چرخه تجاری به‌طور خاص، شاخص‌های کل سهام ایالات متحده می‌توانند تحت تاثیر نیروهای دیگری قرار گیرند که به‌طور کامل وضعیت اقتصاد ایالات متحده را منعکس نمی‌کنند. به عنوان مثال، S&P 500 در سال 2020 به وسیله شرکت‌های بخش فناوری اطلاعات افزایش یافت که ارزشگذاری آنها یا تا حد زیادی به فعالیت خارجی بستگی دارد یا متعامد با عملکرد اقتصادی ایالات‌متحده است؛ زیرا سودآوری آنها به شدت از سیاست‌های قرنطینه کووید 19 ناشی می‌شود. در نتیجه، اقتصاددانی که تلاش می‌کند فعالیت اقتصادی را با متغیرهای کل سهام در طول بحران کووید پیش‌بینی کند، احتمالاً نتایج ضعیفی خواهد گرفت.

در این مقاله، ما این مشکل را با تکیه بر متغیرهای ارزش ویژه تقسیم‌بندی‌شده در یک مدل عاملی برای پیش‌بینی فعالیت اقتصادی آینده ایالات متحده در یک دوره طولانی‌تر، بررسی می‌کنیم. از این‌رو، این مطالعه یکی از موارد نسبتاً نادری است که از متغیرهای بازار سهام به‌طور خاص برای انجام پیش‌بینی اقتصاد کلان استفاده می‌کند. علاوه بر این، این مطالعه به یک ادبیات شگفت‌انگیز کوچک با تکیه بر متغیرهای ارزش ویژه، بخشی را اضافه می‌کند. با توجه به دانش ما، این مقاله اولین مقاله‌ای است که از مدل‌های عاملی برای استخراج محتوای پیش‌بینی‌شده از قیمت‌های تفکیک‌شده سهام استفاده می‌کند. حتی مقالاتی که مدل‌های عاملی را برای پیش‌بینی فعالیت اقتصادی بر اساس مجموعه داده‌های بزرگ تخمین می‌زنند، اغلب فراتر از شاخص‌های کل سهام نمی‌روند. بر همین اساس ما سه نتیجه اصلی را به دست آوردیم.

اول، متوجه می‌شویم که عاملی که بر اساس متغیرهای بخشی ساخته شده است (یعنی بازده سود تقسیمی یا همان DY‌ها) فعالیت اقتصادی آینده را بهتر پیش‌بینی می‌کند و همان‌طور که با رشد تولید صنعتی (IP) اندازه‌گیری می‌شود، در مقایسه با همان متغیر حقوق صاحبان سهام که به عنوان کل اندازه‌گیری می‌شود نتایج بهتری ارائه می‌کند. علاوه بر این، متوجه می‌شویم که مدل عاملی معمولاً از مدل‌های معیار معمولی که در پیش‌بینی‌های اقتصاد کلان استفاده می‌شوند، مانند مدل‌های تک‌متغیره بر اساس رشد تولید صنعتی تاخیری، به‌ویژه در زمان‌های رشد تولید صنعتی منفی، بهتر عمل می‌کند. در مشخصات پایه خود، رشد تولید صنعتی آینده را در یک افق 12ماهه پیش‌بینی می‌کنیم، اما این نتایج در افق‌های 18 و 24ماهه، هم درون نمونه و هم خارج از نمونه، حفظ می‌شوند. همچنین دریافتیم که مدل عاملی ما به بهبود دقت پیش‌بینی یک مدل عاملی که به‌طور گسترده مورد استفاده قرار می‌گیرد (یعنی مدل استاک و واتسون) کمک می‌کند که بر تعداد زیادی از متغیرهای کلان مالی (اما نه بر شاخص‌های سهام بخشی) متکی باشد.

دوم، با پیروی از فرمول ارزش فعلی کمپبل و شیلر، متوجه می‌شویم که مدل عاملی دقت پیش‌بینی را در مقایسه با متغیرهای کل بهبود می‌بخشد، زیرا مولفه «بازده مورد انتظار» /نرخ تنزیل متغیرهای سهام بخشی و همچنین جزء خارجی مجموع جریان‌های نقدی آتی را فیلتر می‌کند. این فیلتر را به این واقعیت مرتبط می‌کنیم که عملکرد بهتر مدل عاملی ما به‌ویژه در دوره‌های رشد تولید صنعتی منفی مانند طی همه‌گیری کووید یا در طول بحران مالی جهانی قوی است. از آنجا که بازده مورد انتظار در حالت‌های رکودی بی‌ثبات‌تر است، احتمال دارد به ویژه در این دوره‌ها بر دقت پیش‌بینی بازده سود تقسیمی کل تاثیر بگذارند، اما نه بر روی مدل عاملی ما.

سوم، با بررسی قرارگیری در معرض عوامل در بخش‌های خاص فعالیت، متوجه می‌شویم که مدل عاملی ما بر بخش‌های بالادستی (صنایع اولیه و سایر نهاده‌های صنعتی) و بخش‌های «ارزش» افزوده که وزن دارند متمرکز است، زیرا مشخص شد که این بخش‌ها ارتباط نزدیکی با چرخه تجاری ایالات متحده دارند. سه رسته از ادبیات مربوط به مشارکت ما با این مقاله وجود دارد. اولین مورد، ادبیاتی است که از قیمت سهام برای پیش‌بینی فعالیت اقتصادی استفاده می‌کند. دوم، استفاده از مدل‌سازی عاملی برای اهداف پیش‌بینی است. سومین مورد بر چگونگی تاثیر انتظارات مربوط به فعالیت اقتصادی آتی بر بخش متقاطع بازده متمرکز است.

با عطف به رسته اول، استدلال‌های نظری که بر قدرت پیش‌بینی قیمت سهام تاکید می‌کنند، دوگانه هستند. از یک طرف قیمت سهام ذاتاً آینده‌نگر است بنابراین باید انتظارات سرمایه‌گذاران از فعالیت اقتصادی آتی را منعکس کند. از سوی دیگر، قیمت سهام می‌تواند یک اثر علّی بر چرخه تجاری داشته باشد یعنی اگر قیمت سهام بالا برود، خانوارها باید از طریق اثر ثروت القایی مصرف بیشتری داشته باشند. از این‌رو، قیمت سهام باید به فعالیت کل منجر شود. در نتیجه، مقالات مختلف سعی می‌کنند تولید ناخالص داخلی یا تولید صنعتی آینده را با متغیرهای مربوط به سهام، معمولاً با شاخص‌های کل سهام، پیش‌بینی کنند. با این حال، برخی از مقالات بر داده‌های قیمت سهام تکیه دارند و می‌توان آنها را به دو زیرگروه تقسیم کرد. در زیرمجموعه اول مقالاتی هستند که ابتدا یک متغیر مجموع را از داده‌های سهام بخشی می‌سازند و سپس فعالیت آینده را با آن پیش‌بینی می‌کنند. به عنوان مثال، لونگانی، راش و تاو (1991) از قیمت‌های سهام در سطح صنعت برای ایجاد معیاری از پراکندگی قیمت استفاده می‌کنند. آنها معتقدند اگر قیمت سهام در برخی صنایع افزایش و در برخی دیگر کاهش یابد، در سال‌های بعد سرمایه و نیروی کار باید از صنایع طرف قرارداد به صنایع در حال توسعه تخصیص مجدد یابد که در مجموع هزینه‌بر خواهد بود. لئو و واسالو (2000) برای پیش‌بینی تولید ناخالص داخلی آتی بر عوامل فاما-فرانس، که از بازده پورتفوی تفکیک‌شده ساخته شده‌اند، تکیه می‌کنند. منطق آنها این است که، قبل از رکود، سرمایه‌گذاران باید بتوانند پیش‌بینی کنند که سهام کوچک و سهام ارزشی بد، چه عملکردی خواهند داشت. در واقع، شرکت‌های کوچک و شرکت‌های ارزشی، یعنی شرکت‌هایی با نسبت قیمت به درآمد پایین و معمولاً سرمایه ثابت بالا مانند صنعت خودرو، معمولاً در برابر شوک‌های منفی قوی انعطاف‌پذیری کمتری دارند. در نتیجه، بازده کوچک منهای بزرگ (SMB) و بازده بالا منهای کم (HML) از دفتری به بازاری، باید قبل از رکود افزایش یابد. در زیرمجموعه دوم، مقالات دیگری قرار دارند که به‌طور مستقیم از متغیرهای ارزش بخشی در برآورد خود، اکثر اوقات با ارزیابی قدرت پیش‌بینی متغیرهای بخش خاص جدا از دیگر متغیرها استفاده می‌کنند. ما ابتدا با تخمین مدل عاملی بر اساس متغیرهای ارزش ویژه از بخشی از رویکرد اتخاذشده در این مقالات فاصله می‌گیریم. بنابراین ما از کل مقطع متغیرهای بازار سهام به‌طور همزمان استفاده می‌کنیم. علاوه بر این، محتوای پیش‌بینی‌کننده متغیرهای سهام تفکیک‌شده را به یک پیش‌بینی‌کننده کل خاص مانند پراکندگی قیمت سهام یا عوامل فاما-فرانس محدود نمی‌کنیم. دوم، برخلاف تمام مقالات ذکرشده در بالا، ما وزن بیش از حد و وزن کم بخش‌های مختلف را در مدل عاملی خود نیز بررسی می‌کنیم. در پایان، رویکرد ما به دو مقاله نزدیک‌تر می‌شود که همچنین بر مدل عاملی کلی و پرویت (2013، 2015) برای پیش‌بینی فعالیت‌های کلان اقتصادی بر اساس متغیرهای حقوق صاحبان سهام متکی هستند. با این حال، برخلاف رویکرد ما، آنها یا از شاخص‌های کل و نه بخشی، برای ایجاد عامل خود استفاده می‌کنند، یعنی تعداد عرضه‌های اولیه عمومی یا گردش سهام در ایالات متحده، یا فقط تجزیه و تحلیل خود را در نمونه انجام می‌دهند و آنچه در مدل‌سازی عاملی آنها فیلتر شده است را تجزیه و تحلیل نمی‌کنند.

دوم، ما همچنین به ادبیات مدل‌سازی عاملی کمک می‌کنیم که به‌طور خاص بر محتوای پیش‌بینی‌کننده متغیرهای ارزش ویژه تمرکز ندارد. با کمال تعجب، در حالی که داده‌های حقوق صاحبان سهام به راحتی در دسترس هستند و بدون تاخیر قابل دسترسی هستند، طبق دانش ما، ادبیات مدل‌های عاملی برای پیش‌بینی آزمون‌ها حتی در صورت استفاده از مجموعه داده‌های بزرگ یا هنگام استفاده از انواع دیگر متغیرهای بخشی مانند نظرسنجی، به ندرت به داده‌های سهام بخشی تکیه می‌کند.

در نهایت، با ارزیابی اینکه چگونه فعالیت اقتصادی آتی بر بازده مقطعی سهام تاثیر می‌گذارد، به ادبیات مالی‌ای کمک می‌کنیم که دیدگاه معکوس استاندارد را در نظر می‌گیرد. با تجزیه و تحلیل اینکه چگونه مدل عاملی بخش‌های خاص سهام را بیش از حد یا کمتر از واقع در نظر می‌گیرد، ما بحث‌های نوینی را له و ضدچرخه‌های پورتفوهای خاص، ایجاد می‌کنیم.

جمع‌بندی

نشان دادیم که یک مدل مبتنی بر متغیرهای بازار سهام تفکیک‌شده به‌صورت بخشی می‌تواند به‌طور قابل‌توجهی از سایر مدل‌های پیش‌بینی اقتصاد کلان موجود بهتر عمل کند. رویکردهای قبلی یا بر متغیرهای ارزش مجموع، بر متغیرهای حقوق صاحبان سهام تفکیک‌شده به صورت مجزا، یا بر شاخص‌هایی که از متغیرهای ارزش تفکیک شده اما به شیوه‌ای محدود (مثلاً با استفاده از عوامل فاما-فرانس) ساخته شده بودند، متکی بودند. در این مورد نشان دادیم که مدل عاملی ما در افق‌های مختلف عملکرد بهتری از معیارهای معمول اقتصاد کلان مانند مدل‌های تک‌متغیره بر اساس رشد تولید صنعتی با تاخیر، پراش، یا بازده سود تقسیمی کل دارد. این عملکرد قدرتمند را به دو ویژگی مدل عاملی خود نسبت می‌دهیم. اول، نشان می‌دهیم که مدل ما بخش‌های خاصی را زیاد یا کم وزن‌دهی می‌کند، به‌طوری که عامل حاصل به شدت با رشد تولید صنعتی آینده مرتبط است، اما برعکس، نسبتاً کمتر با اجزای معروف بازده سود تقسیمی، یعنی بازده مورد انتظار و مولفه خارجی مرتبط است. در این زمینه استدلال می‌کنیم که عملکرد برتر مدل ما به این واقعیت مربوط می‌شود که هم در بخش‌های بالادستی (نفت و گاز، مواد صنعتی و غیره) و هم بخش‌های ارزشی که در رابطه با رشد تولید صنعتی آینده نسبتاً گویاتر هستند، وزن بیشتری در مدل دارند.