雇主应该给员工更高的工资吗？资产定价方法

无论如何，观察到的1.21%的偏差不能简单地用其他因素的偏差来解释。夏普比为0.37，表明地平线为1/0.37≈ 需要2.7年才能捕获异常，并获得84%的正回报率。从资产管理的角度来看，它提出了基于该市场异常情况采取措施的建议时间范围。根据Fama和French提供的公开数据，http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.htmlDiv.帽子Liq.妈妈。低水平。出售。书2.39-5.7 2 2-0.7 2-0.7 2-0.5-1.60-4.15-0.0-0.23 0 0.68 1.6 0 0.6 0 0.6 0 0 0 0.6 6 0 0 0.6 9-0.41-0-0.41-0-0.41-0-0-0.41-0-0-0-0-0-0-0.0-0-0-0 0 0 0 0 0 0 0 0-0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.6 6 6 6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.6 6 6 7-0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.9 9 9 9 9 9-0-0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.6 6 6 6 6 6 6 11 0.37 0.92t-stat 2.48-5.24-0.18-2.71-4.77-1.34 1.16 0.40 1.40 3.51冲击，%-0.49-0.21 0.01-0.56 0.11 0.17-0.35-0.04 1.21-0.29表四年化偏差（最后一个观察日和第一个观察日之间的年化累积收益率，以百分比表示）、夏普比率（以年化波动率标准化的年化偏差）和t统计量（夏普比率乘以总持续时间的平方根，即√14.5 3.81）对于以下10个基于指标的因素（分位数Q1）：股息（1）、资本化（2）、流动性（3）、货币（4）、低波动性（5）、杠杆（6）、市场销售额（7）、账面市值（8）、薪酬（9）和现金（10）。这些数量是针对2001年1月至2015年7月期间最大的欧洲公司（顶线）和最大的英国公司（底线）估算的。最后一行显示了各种因素的偏差对英国公司薪酬偏差（1.21）的相对影响。

这些影响是通过将第四行中的偏差乘以表III第9行中的相关系数得出的。英国薪酬系数的年化偏差为1.21%，t统计量为1.21。此外，如果我们从薪酬的年度化偏差中减去所有影响，我们得到的内部薪酬偏差为2.85%。因此，我们的t统计量约为2。85×1.40/1.21=3.29，这将满足Harvey等人（2015）制定的要求。H.在一项调查中，耶伦（1984）提出了一个问题：为什么企业不在以非自愿失业为特征的经济中削减工资？事实上，失业工人指的是以实际工资工作，而不是失业，但企业不会仅仅因为工资降低会降低员工生产率而以更低的工资雇佣他们。这是耶伦被引用最多的一篇论文，它规定员工投入工作的效果取决于他们获得的工资和他们认为的“公平工资”之间的差异。差异越大，他们工作的努力程度就越低，这突出了一个观点，即给员工支付高于市场结算工资的工资可能会提高生产率，最终对雇主来说是值得的。自相矛盾的是，削减工资最终可能会提高劳动力成本，因为这会对生产率产生负面影响（Stiglitz，1981）。因此，生产率是主要论点，其他理论文件也证实了这一点，这些文件认为大型企业的员工生产率更高，从而解释了他们为什么要求更高的工资（Idson和O i，1999）。她的论点的重点如下。鉴于合同的不完整性，并不是所有员工的职责都可以提前指定。

因此，监控是控制生产成本的核心手段（Alchian和Demsetz，1972）。不幸的是，监控成本太高，有时由于测量误差而不准确。企业可以向员工提供更高的工资，而不是昂贵且不完善的监控，从而激励员工不要因为被解雇而失去高薪（Shapiro和Stiglitz，1984）。在这种情况下，支付超过市场清理工资的工资可以被视为防止员工逃避责任的有效方式。熟练工人工资的增加也有助于减少他们的流动率。此外，少量提高工资可以消除表现较差的候选人的工作要求，他们害怕与表现不佳的候选人竞争。这种逆向选择微妙地支持了公平工资假说，因为支付公平工资只会吸引更熟练的工人和威慑力量，从而有助于避免在招聘过程中使用昂贵的监控设备。不言而喻，公平工资福利假说的动机是对人性的简单观察，认为收入低于他们认为的公平工资的员工不会因此而努力工作。同样，Akerlof和Yellen（1990年）建立了一个失业模型，在这个模型中，“如果人们的工资低于他们应得的，那么他们工作就不那么努力，但是如果他们得到的工资高于他们应得的，那么他们工作就不那么努力”。该模型将不等式和公平工资效应假设结合起来，以表达这样一种观点，即高薪雇员可能热衷于报复其雇主。六、 讨论。Fama and French Approach Fama and French（1993年、2015年）使用25个投资组合的时间序列，每个投资组合都由相似的资本化和账面市值股票构成。

他们根据不同因素j的回报fj（t）回归每个投资组合i的月度表现：Ri（t）=ai+Xjbi，jfj（t）+εi（t），其中aia和εi（t）是投资组合特定的截距和噪声，bi，jis是第i个投资组合对j-th因素的估计敏感性。如果使用FF方法对薪酬因素进行调查，如何进行？五个不同的portfo lio可能会根据薪酬对股票进行分类，然后至少使用三个主要因素：市场指数、资本化和账面市值因子（因子回报fj（t），将通过多空portfo lio的表现进行估计，例如，买入高资本化和做空低资本化，或者以高价买入，以低价做空）。截距、ai、f或5个不同的投资组合可能会用它们的t统计数据来衡量，以评估报酬是否异常。也可以测量AHIH-alowandits的t-统计数据，如Fa-ma和French（2008）的表2所示。最后，将薪酬因素权重添加到回归面板中，并测量每个投资组合的RFR，以量化数据对统计模型的拟合程度，以及公共因素对价格回报的解释程度。相反，我们只是测量HML投资组合（见表四）的平均回报，该投资组合被构建为贝塔中性，没有任何回归，因为我们构建了与主要因素不相关的薪酬系数。这应该接近（A高）- 低）的FFA方法，或接近HML投资组合的平均回报，该投资组合被构建为delta中性（见Fama and French（2015）的表I）。这是因为薪酬因素与市场指数、低波动性和账面市值因素无关。

然而，offf方法无法解释薪酬取决于行业这一事实（见表五）。我们还可以利用POR tfolio的波动性来测量t-统计量，以了解异常是否具有统计意义，并测量FCL，以量化常见因素对价格回报的解释程度。在附录B中，我们将FF方法与我们的方法进行了比较。特别是，我们认为，部门约束和β-中性优势是我们因子构建的两个关键优势：没有它们，FF方法适用于同一时期，行业账面与市场薪酬中值（以欧元计）非必需消费者0.31443 22 859.96主要消费者0.24681 39 416.51能源0.81440 137 625.91金融0.87972 126 498.10健康0.24442 51 452.06工业0.32765 58 626.27IT 0.19867 77854.94材料0.55733 32 516.14电信0.39122 66 283.21公用事业0.32572 47 014.69表五截至3月账面中值的行业变化ket和2014年英国环球的薪酬（欧元）。不同行业的账面市值和薪酬差异很大。薪酬因素的结果并不显著（我们记得，大多数美国和法国的数据始于1963年，这导致了更大的t-statistics）。B.met h Hodologo的优点和局限性与FF方法相比，您的方法有几个优点：1。量化因素相关性的估计FCL不取决于考虑因素的数量，与FF方法的稀缺性形成对比（例如，见Fama和French（1993）中的表6）。因此，人们可以在资产定价模型中选择最重要的因素（例如股票指数、低波动性、资本化、流动性和动量因素）。2.

不同的常见风险因素对市场（即股票指数）的敏感性即使对于低波动性因素也保持为零，这是一个重要特征，因为市场模式对投资组合收益的影响可能是其他因素的一百倍。3.f因素被构造为行业中立，这使得人们能够更好地识别其对价格变化的影响，这一点很重要，因为行业内相关性通常比因素内相关性更重要。值得注意的是，FF方法的账面-市场因素也捕捉到了行业风险，因为从一个行业到另一个行业的企业定价方式不同（见表五）。特别是，不同行业的薪酬差别很大。4.资本化程度接近（或账面市值、收益率等，取决于因子）的股票权重（wi）与降低因子特定风险的数量级相同。5.随时保持因子β中性可以减少因子的噪音，即使这些因子与股票指数无关。事实上，我们将在附录B中显示，在与股票指数不相关的f因素的情况下，β-中性约束将该因素的波动性按年减少1.2%。6.我们的方法能够在不使用任何多元回归模型的情况下，将低波动率因素纳入平均回报的横截面（与FF方法相反）。发现低波动率和资本化因素提供了最大的异常（见表四）。此外，根据我们的测量，低波动率因素也被确定为对风险的主要贡献（见图5）。令人惊讶的是，之前被认为最重要的资本化因素现在占据了第二位。

此外，Fama和French（19 93）认为重要的账面市值因素，在消除了行业和市场模式后，最终变成了次要因素（比薪酬因素更重要）。我们的方法的主要局限性与方法本身有关。事实上，尽管通过OFCL引入基于指标的因素及其相关性评估是受特征基启发的，但这种构造并不假装产生真正的特征向量和协方差（o或相关）矩阵的特征值。特别是，观察到的几个因素之间的相关性（例如，薪酬和销售到市场的因素）表明，执行的相关性并不完美。虽然可以进一步定义因素的结构，使其相关性降低（例如，通过将股票分成更小的组，而不是超级部门），但很难定量评估此类改进的质量。七、具体来说，我们发现了一种新的资产定价异常现象，这种异常现象在统计学上具有重要意义，并且与经济相关。这与薪酬有关：公司为每位员工支付的工资和福利费用越多，其股票表现越好。我们发现，薪酬是一个常见的风险因素，尽管与低波动性或资本化等主导因素相比，其规模似乎相对较小。此外，似乎只有属于极端分位数的公司对薪酬因素敏感。为了验证与薪酬因素相关的异常绩效，我们检查了绩效是否由其他主要因素解释，如低波动性、资本化、账面市值或动量。

这一发现是对资产定价的实证贡献，因为到目前为止尚未考虑员工薪酬，而它是包括劳动经济学、社会学或管理学在内的社会科学中的一个决定因素。这些不同的文献表明，应该高度关注工资，更普遍地说，应该关注可能影响企业价值的劳工决策。对我们关键发现的经济学解释主要基于对薪酬异常的合理解释：工资和员工绩效正相关。这一观点得到了效率工资理论的总体支持，该理论声称，提高工资是增加每位员工产出的最佳方式，因为它将金钱激励与员工绩效联系起来。但这也得到了一些研究的支持，这些研究强调了经营杠杆作为股票回报风险主要来源的突出作用，其规模与财务杠杆相当。为此，我们引入了一种原创的方法，即“因子相关性水平”（FCL），来构建基于指标的因子。FCL描述了该因素内股票以共同方式移动的能力，从而反映了支撑每个因素的共同风险水平。FCL方法是对资产定价文献的理论贡献。事实上，考虑到股票的可变性，它允许根据其交易能力对因素进行排序。该排名可以帮助基金经理选择最重要的因素，以建立资产定价模型和良好的投资组合。FCL方法是一种替代sset定价研究中常见做法的方法，其中因素选择取决于几个不一定传达相同信息的统计标准。这项工作的影响是重要的、众多的，远远超出了资产定价的范畴。

我们发现的第一个投资风格意味着，paybetter的公司应以每年2.42%的速度超过其竞争对手。换句话说，基于薪酬异常的市场中立型投资风格套利策略可能会带来正回报。第二个经济学含义是，如果一家公司能够吸引最好的人力资源，同时只保留那些有生产力的员工，从而尽可能保持公司的竞争力，那么它的运营可能会更好。虽然我们发现，根据薪酬和股息因素之间的负相关关系，一家公司向股东支付的薪酬过高，而向员工支付的薪酬较低，但高层管理人员应注意股本和劳动报酬之间的这种权衡。第三个研究含义是，我们的新方法建议根据各自的FCL对欧洲股票进行以下排名：低波动率（1.73）、资本化（1.72）、动量（1.41）、按市值销售（1.22）、流动性（1.19）、按市值账面（1.13）、股息（1.09）、杠杆（1.07）、薪酬（0.99）和现金（0.92）。特别是，波动率较低的事实r（不包括在FF方法中）是仅次于市场因素（即股票指数）的第二个最重要的组成部分。r生成因子与账面市值因子相当，因此不可忽略。

我们得出结论，五因素模型应该封装FCL排序的五个异常。1食品和主食保留食品、饮料和烟草保健设备和服务用品和个人产品医药，生物技术和生命科学2银行多元化金融保险3耐用消费品和公寓消费服务4材料房地产5能源运输设施6汽车和部件基本商品商业和专业服务软件和服务技术硬件和设备电信服务稳定VI我们用来拆分股票和构建基于指标的因素（来自FACTSET数据库）。请注意，我们混合了非常不同的行业，形成了6个拥有大致相同数量股票的超级公司。即使将不同的行业随机分为六个超级部门，我们在附录B中表明，我们的方法将显著降低不同事实风险的行业风险。附录ix A.遵循全球行业分类标准（GICS）的超级部门，如表六所示，我们构建了六个超级部门。这种重新分配是手动进行的，旨在最小化部门内相关性，并在每个超级部门中获得几乎相同数量的股票。我们强调，最终投资组合包括来自所有超级部门的股票，也就是说，这种重新分配只是改善因素的中间技术步骤。附录九B.与FF方法的比较为了突出我们的方法与标准FFA方法相比的优势，考虑从一种方法到另一种方法的增量转换是有益的。