非固定股息价格比率

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Non-Stationary Dividend-Price Ratios》
---
作者：
Vassilis Polimenis and Ioannis Neokosmidis
---
最新提交年份：
2019
---
英文摘要：
  Dividend yields have been widely used in previous research to relate stock market valuations to cash flow fundamentals. However, this approach relies on the assumption that dividend yields are stationary. Due to the failure to reject the hypothesis of a unit root in the classical dividend-price ratio for the US stock market, Polimenis and Neokosmidis (2016) proposed the use of a modified dividend price ratio (mdp) as the deviation between d and p from their long run equilibrium, and showed that mdp provides substantially improved forecasting results over the classical dp ratio. Here, we extend that paper by performing multivariate regressions based on the Campbell-Shiller approximation, by utilizing a dynamic econometric procedure to estimate the modified dp, and by testing the modified ratios against reinvested dividend-yields. By comparing the performance of mdp and dp in the period after 1965, we are not only able to enhance the robustness of the findings, but also to debunk a possible false explanation that the enhanced mdp performance in predicting future returns comes from a capacity to predict the risk-free return component. Depending on whether one uses the recursive or population methodology to measure the performance of mdp, the Out-of-Sample performance gain is between 30% to 50%.
---
中文摘要：
在之前的研究中，股息收益率被广泛用于将股票市场估值与现金流基本面联系起来。然而，这种方法依赖于假设股息收益率是固定的。由于未能拒绝美国股票市场经典股息价格比单位根的假设，Polimenis和Neokosmidis（2016）提出使用修正股息价格比（mdp）作为d和p与长期均衡之间的偏差，并表明mdp提供了比经典股息价格比大幅改善的预测结果。在这里，我们通过基于Campbell-Shiller近似进行多元回归，利用动态计量经济学程序估计修正后的dp，并根据再投资股息收益率测试修正后的比率，来扩展该论文。通过比较mdp和dp在1965年后的表现，我们不仅能够增强研究结果的稳健性，而且还可以揭穿一个可能的错误解释，即mdp在预测未来回报方面的表现增强来自于预测无风险回报成分的能力。根据使用递归还是总体方法来衡量mdp的性能，样本外性能增益在30%到50%之间。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Portfolio Management        项目组合管理
分类描述：Security selection and optimization, capital allocation, investment strategies and performance measurement
证券选择与优化、资本配置、投资策略与绩效评价
--
一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类：Quantitative Finance        数量金融学
二级分类：Pricing of Securities        证券定价
分类描述：Valuation and hedging of financial securities, their derivatives, and structured products
金融证券及其衍生产品和结构化产品的估值和套期保值
--

---
PDF下载：
--> Non-Stationary_Dividend-Price_Ratios.pdf (831.44 KB)

2022-6-14 04:15:52 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Quantitative Multivariate Optimization Fundamentals Applications

本版本草案2019年2月16日非固定股息价格比率Abstractvassilis Polimenis（*）和Ioannis Neokosmidis（**）股息收益率在之前的研究中被广泛用于将股票市场估值与现金流基本面联系起来。然而，这种方法依赖于假设股息收益率是固定的。由于未能拒绝美国股票市场经典股息价格比的单位根假设，Polimenis和Neokosmidis（2016）提出使用修正股息价格比（mdp）作为d和p与长期均衡之间的偏差，并表明mdp提供了比经典股息价格比大幅改善的预测结果。在这里，我们通过基于Campbell-Shiller近似进行多元回归，利用Zingga动态计量经济学程序估计修正后的dp，并通过根据再投资收益率测试修正后的比率来扩展该论文。通过比较mdp和dp在1965年后的表现，我们不仅能够增强研究结果的稳健性，而且还可以揭穿一个可能的错误解释，即mdp在预测未来回报方面的表现增强来自于预测无风险回报成分的能力。根据使用递归还是总体方法来衡量mdp的性能，样本外性能增益在30%到50%之间。关键词：股息价格比、非平稳比率、协整股息价格、修正股息价格比*塞萨洛尼基亚里士多德大学，polimenis@econ.auth.gr**塞萨洛尼基亚里士多德大学，ineokosm@econ.auth.grI.

引言使用定义明确的基本比率预测财务回报的能力一直被视为资产配置的最重要问题，也是整个金融经济学中最重要的问题之一。Famaand French（1988）已经表明，短期同向预测能力与高度持久性预测变量相结合，在长期内产生了实质性的回报预测能力。从早期开始，股息收益率（dividendyields）作为一个预测变量就变得特别重要，因为股息收益率直接参与了回报形成，其高度持久的动态性可以在长期预测范围内提供可预测性。通过将Campbell-Shiller（1988）的近似值扩展到长期，我们必须得出结论，长期回报和/或股息增长的可预测性应与对数股息价格比（dp）的可变性一致。这一发现基于两个主要假设，a）股息收益率的平稳性和b）将CS近似递归扩展到无穷大的假设能力。为了超越这一框架，Polimenis和Neokosmidis（PN16）认为，股息和价格之间的斜率差可能是由于股息政策的变化所致，这在数据中是经验性的。因此，为了实用地将dp作为预测变量，我们需要摆脱股息收益率平稳性的假设。相反，我们假设股息和形式d的价格之间存在确定的长期均衡关系=α+βp并允许数据揭示真正的协整向量[1，β]。在本文中，我们从两个主要方向扩展了Polimenis和Neokosmidis（2016）的研究结果。

首先，我们通过直接使用Campbell和Shiller（1988）中的近似关系来改进分析，从而在预测回归中形成加权长期收益（wr）。CS近似对我们的研究很重要，因为它直接将当前股息价格比与未来回报和增长联系在一起。此外，CS关系很重要，因为它代表了一种量化基本前瞻性定价原则的稳健方法：今天的高价格，如果没有强劲的增长，将导致未来低回报，或者是理性泡沫的一部分。其次，我们进行了一系列重要的稳健性检查，如下a）通过比较1965年后mdp和dp的表现（表中的B组），我们不仅能够确定我们早期发现的稳健性，但也要揭穿一种错误的想法，即预测未来回报的增强MDP表现来自于预测（不那么有趣）投资于无风险证券的资金的回报成分的能力，通过使用竞争性的计量经济学程序——自回归分布滞后（ADL）方法来估计股息和价格之间的趋势偏差（mdp′）和C），利用月度股息再投资计算年度股息收益率（d*p）。论文的其余部分组织如下。在下一小节中，我们将从经济学角度讨论dp的非平稳性。在第二节中，我们给出了估计股息和价格之间长期关系趋势偏差的数据和两种方法，并形成了修正后的股息价格比（mdp和mdp′）。

然后，我们在第三节中继续介绍两个修正比率的样本可预测性，然后使用坎贝尔-希勒近似，在本文中小写字母始终表示日志：d=logD, p=logP, 和r=logR如果dp和mdp都位于右侧，则执行多变量分析。在最后一节中，我们介绍了mdp和mdp′的样本外性能。第五节总结。A、 股利的非平稳性从经济学的角度来看，大多数研究者认为dp是一个基于无限样本或渐近参数的平稳过程，并将dp平稳性作为一个给定的假设。但在实践中，我们使用的数据集和用于评估模型性能的时间范围都不是无限的。同时，关于收益可预测性的大多数实证研究，在统计学上（如果不是经济上）都无法拒绝分割价格比中存在单位根的假设（Goyal和Welch，2003；Lettau和Van Nieuwerburgh，2008；Lettau和Ludvigson，2005，以及其他人）。***在此处插入表1a***我们可以从表1a中的汇总统计数据中看出，股息价格比dp具有自相关φ=。87（如果每月股息再投资，则为0.93）。显然，单位根测试没有足够的能力来测试如此高的φ值。此外，众所周知，典型的估计方法往往会严重低估有限样本中的真实持久性。

在下面的章节中，我们提出了反对经典dp平稳性的稳健计量经济学证据。不仅通过直接的dp ADF检验拒绝了平稳性，而且通过对d和p的协整向量进行更有力的限制检验，我们拒绝了对数股息和对数价格与形式（d-p）的长期关系相关的假设。股票价格不能长期远离公司基本面这一经济要求常常被严格解释为对数股息价格比在全样本中或至少在大的子周期中是固定的。关于股息收益率的经典推理路线是，股息应或多或少代表收益的“固定”部分，收益应或多或少代表价格的“固定”部分。这导致大多数当代文献事实上假设经典dp比率是平稳过程，不包括趋势。这是一项经济要求，取决于所使用的特定样本，而不是一个确凿的事实。财务人员对支付选择有很大的自由裁量权，可能会给股息收益率的动态带来意想不到的结构。事实上，在任何有限的时间段内，股息（和股息增长）都可以是任意的，并且与资产价格脱钩，这意味着我们既不应该对股息收益率的时间序列特性，也不应该对其无法预测股息增长持教条态度。然而，一般而言，学术界和实务界都避免正面讨论估值比率（如股息价格比）中非平稳动态的可能性，尽管长期样本中的单位根假设在统计上无法被拒绝。股息收益率这种非平稳性的经济来源不容易理解。

这可能是股息政策变化的结果，如股息平滑、使用股份回购代替现金支付，也可能是投资者对股息和税收态度的其他变化引起的。在任何情况下，股息政策的这种变化都将以股息与价格之间的斜率差的形式出现在数据中。PN16建议我们通过假设[1-1]向量跨越协整空间的确定性长期均衡来摆脱股息收益率平稳性。股息和价格之间的关系，作为下一个逻辑步骤，仍然满足基于“基本面”的资产定价哲学。然后，他们通过放松经典模型的平稳性假设来修改股息价格比dp,假设股息和价格之间存在确定的长期关系（即以下形式的协整向量d=α+βp) 并允许数据揭示真正的协整向量[1-β].形成上述长期关系后，PN16将修改后的股息价格比定义为该长期均衡的平稳协整误差，mdp=d-  β o p、 在PN16中，我们认为β是唯一的总体参数，通过揭示股息和价格之间的一个小的非平稳I（1）趋势偏差来微调股息价格关系。由于经典的dp可以被认为是修正比mdp加上噪声趋势，因此修正比mdp比其非平稳的对应dp更具信息量=mdp公司+(β - 1)o p由于修正后的比率事实上并未假设在经济计量上不可靠地拒绝dp的非平稳性为零，因此它提供了更可靠的替代方案，允许在φ=。70，mdpstill有足够的持久性，以提供长期预测能力。系数β提供了d和p之间的漂移比。

粗略地说，aβ<1意味着股息增长速度比价格增长速度慢。在激发了这种斜率差的可能性，从而产生了非平稳dp之后，关于理解dp的真实动力学的重要问题是，这种非平稳性是仅仅由于确定性的时间趋势，还是包括一个单位根。问题是，正如现在已经很好理解的那样，这个问题对于任何有限样本来说都是无法回答的（见Blough 1992），因为对于任何单位根过程和样本量T，都存在一个无法区分的平稳过程。理解这个问题的另一种方法是，在这个过程中加入单位根的问题相当于发现零处的总体谱是零还是达到任何正值。这显然是无法回答的，因为在任何样本中，都没有关于周期大于样本大小的信息。对于金融经济学家来说，一个现实的目标应该是用低阶自回归来描述数据，因为它们比高阶移动平均过程更容易估计。PN16表明，采用修正比率（mdp）的投资者将通过R分别为7%、26%和31%。此外，如果投资者已经看到了足够多的小样本（由于超一致性），需要早期子样本来可靠地推断d和p之间协整系数的总体值，那么他将以惊人的速度改善其5年和7年期回报预测R49%，甚至达到3年R34%。众所周知，现有的间断将降低单位根检验的能力（Perron（1989）），从而使具有间断的平稳过程难以与包含单位根的平稳过程区分开来。

因此，也可能产生与数据良好样本拟合的竞争方法是，允许偶尔中断至其他平稳过程的水平或斜率（例如Fama和French（2002）考虑不同制度下的平均值回复dp），然而，允许无法事先预测的中断对于回报可预测性和预测几乎没有价值，并将产生弱样本R（见Lettau和Van Nieuwerburgh（2008））。我们的节俭方法显然不是这种情况，它产生了显著的样本外预测收益。二、自1926年以来，CRSP可提供标准普尔500指数的比率高质量回报数据的构建，无论是否有股息。正如inPN16所示，我们的全部样本是最近87年的时期，从1926年1月到2012年12月。我们扩展了PN16，提出了一个基于1965-2012年亚周期的新分析。我们在论文中只使用名义数据。A、 经典股息价格比的构建我们展示了如何使用标准普尔500指数的（总股息和除息）月度回报数据来制定年度股息和价格水平序列，以及经典股息价格比（dp和d*P）。如果我们用D（t）表示t月的月度股息，用R（t）表示月度总回报，R（t）=(), 以及仅因价格收益（即无股息）导致的月度回报X（t）=PP/月份（t）的月度股息分别为比亚迪（t）=R（t）X（t）- 1.P为了消除股息的季节性，我们在构建对数股息价格比时采用了年度期限。根据在t月底如何形成年度股息，从之前的12个月股息中，可以使用两种不同的方法计算股息价格比。如果我们用D表示截至t月的年度股息，最典型的年度股息计算是通过D=∑D（t- （一）.

这将导致根据以下计算得出最常用的折旧价格比dp=DP=∑D（t- （一）P我们最终将dp表示为logsdp的差=d- p=日志（D/P)一种不太常见的方法是，通过在中期股息可用时立即重新投资，形成股息价格比。从概念的角度来看，这种方法更合适，但也会将今年的一些市场波动转化为股息。我们使用d*表示年度再投资股息，通过d*p=d*-p表示再投资股息收益。数据来自Goyal和Welch数据库，可在http://www.hec.unil.ch/agoyalSee还有Campbell和Shiller（1988）以及Cochrane（2008）中的讨论。Engsted和Pedersen（2010）发现，长期可预测性取决于回报和股息增长是以名义价值还是以实际价值衡量。我们不应该混淆月度和年度系列。我们将始终使用R（t）表示月度回报，其中Rt.Chen（2009）发现，在月底形成的年度回报率中，年度（月度）股息结构对估计的股息增长可预测性具有重大影响，因为投资假设使股息继承了许多年内实现的回报波动。B、 修正股息价格比的构建本节和下一节中，我们用于形成修正股息价格比的两种计量经济学技术(mdp和mdp′分别进行了描述。首先，与PN16一样，我们使用多变量Johansen（1991）方法估计修正后的dp比率。Johansen方法的核心是利用影响矩阵C=AB′的特征值大小来推断其排名。具体而言，该方法通过测试统计上不同于0的特征值的数量来推断协整等级。