债务再融资和股本回报

本文提出的实证证据表明,金融杠杆的成熟度结构会影响资产回报的横截面。我们发现,短期杠杆与正溢价相关,而长期杠杆则不是。与长期杠杆相比,短期溢价反映了股权较高的系统风险风险。为了使我们的研究结果合理化,我们发现在内源性杠杆和债务到期日选择的债务结转风险模型中也出现了同样的模式。我们的研究结果表明,对资产价格和公司金融应用中杠杆效应的分析应该考虑到债务的到期结构。

财务杠杆发挥着核心作用 在公司财务和资产定价中的作用。本文从一个新的角度,从实证角度重新审视了市场杠杆率与股本回报率之间的横截面关系。具体而言,我们研究了股东对公司债务到期结构的关注,以及与短期和长期债务相关的价格杠杆的不同。为此,我们将公司的杠杆比率分解为短期和长期杠杆,即未来三年和未来三年到期的债务所产生的杠杆。我们的研究结果表明,股东对所有杠杆相关风险的定价并不平等:  1这表明,短期杠杆的股本回报率有所增加,但长期杠杆的回报率却没有增加。这一效果的产生是因为短期杠杆增加了股本对系统风险的暴露,而长期杠杆则没有。因此,与长期杠杆相比,股东要求短期溢价。

详情在图片后面的标题中
图1
在图形查看器中打开
幻灯片
短期杠杆和长期杠杆的各种超额收益 .我们绘制独立公司的超额收益大小分类()、短期杠杆(),及长期杠杆().以未来三年到期的债务为基础的杠杆,以及是基于三年后到期的债务的杠杆。每个月,我们都用中值纽约证交所市值将公司分成两组,一小部分和一大部分,分别将股票分成三类。使用纽约证交所断点的群体在排名中的低30%、中40%和高30%;以及独立地将股票分类为三种使用纽约证交所断点的群体在排名中的低30%、中40%和高30%.把两个尺寸的交叉口,三个,及三小组,我们计算每月的价值加权回报文件夹。低/中/高是6个低/中/高的平均回报率和项目组合,分别。小组A涵盖了所有杠杆、非金融的纽约证交所、纳斯达克和美国美利坚合众国证券交易所的10,202家公司的每月总回报率为964,984。在小组B中,我们将杠杆率低于5%的公司排除在几乎为零杠杆的公司类别之外,这就导致了8935家杠杆公司的808867个月收益观察。两个样本都涵盖1976年至2019年期间。

我们的分析是基于对短期债务相对于长期债务的成本和利益的理论见解,在关于结构性信贷风险模型的文献中。从概念上讲,两个与债务到期有关的经济因素会对公司的股本风险产生相反的影响。一方面,他和熊( 2012 )显示短期债务使股东面临债务结转风险,而长期债务则没有。另一方面,短期债务可能会增加公司的财务灵活性(例如,见当恩和扎克纳(ZCTOCer))。 2021 ),德马尔索和他( 2021)。其背后的想法是,短期债务可以缓解机构冲突,最显著的是债务过剩。简而言之,第一个渠道暗示股票风险在短期杠杆作用中增加,而第二个渠道暗示相反。实证分析表明,再融资风险在理解杠杆相关股权风险溢价中起着主导作用。

我们的样本包括1976年至2019年期间在纽交所、纳斯达克和AMEX上市的所有杠杆非金融公司。根据公司财务实证文献,我们将短期(长期)债务定义为未来三年到期的债务。利用这一信息,我们用短期债务与债务总额之比来衡量一个公司的再融资强度。,指短期和长期债务的总和)。这使我们能够将公司的市场杠杆比率分解为短期杠杆和长期杠杆。在此基础上,我们通过对企业(总)杠杆率和再融资强度的联合分析,以及对其短期和长期杠杆率的联合分析,研究了股票的到期日效应。

我们的分析首先是提出横断面回归证据,证明债务再融资强度与股票回报率之间存在显著正相关,以控制杠杆率。也就是说,我们发现股本回报率在短期债务总额中的比例增加。这一发现对不同的重量规格以及排除azl公司和微盖是可靠的。关于债务到期日如何与股票的跨部门关联的证据表明,再融资风险是理解与杠杆相关的股权回报效应的主要力量。

为了衡量与公司债务到期结构相关的优先权,并评估这种优先权与系统风险的关系,我们采用了实证资产定价文献中所发展的类似要素的投资组合程序。值得强调的是,我们不是在寻找新的(与债务有关的)股权因素。相反,我们使用这些程序来估计与债务到期结构相关的溢价,其方式与构建已知成功定价股票回报横断面的投资组合风险因素相一致。这种一致性有助于解释与债务有关的溢价如何与系统风险联系在一起,使我们能够研究这种溢价是否和如何被标准风险因素所覆盖。尤其是,我们使用 q -侯、雪、张最近提出的因子模型( 2015 (见HXZ),它在总结股票回报的横断面特征时,已被证明包含了其他模型。( 2019 )。此外,我们使用法法和法国的要素模型( 1993 及法文及法文( 2015 这是经验资产定价的标准基准,通常用于解释与杠杆相关的收益模式。

我们首先根据公司的市场资本化、杠杆率和债务再融资强度,将公司进行三重投资组合。这一程序使我们能够将与杠杆率相关的利率与债务再融资风险相关的利率分开,反之亦然,并控制规模效应。我们发现债务再融资风险有显著的正溢价。特别是,控制杠杆和规模效应,高再融资强度公司的回报率比低再融资强度公司的回报率每年约高出2%。此外,我们还表明,这一溢价是由积极暴露于HXZ和FF提出的风险因素,其中最重要的风险暴露是市场因素。相比之下,杠杆溢价,控制再融资风险和规模,与零并无显著差别,在时间序列中与风险因素的联系也相当不同。鉴于以往的研究记录了杠杆率与帐面对市场的密切关系,一个值得注意的区别是杠杆溢价与杠杆率因子的关系最为显著,而在FF5的跨越回归中,杠杆率溢价风险暴露于零。

这些结果表明,并非所有与债务有关的风险在股票市场上都是平等定价的,而公司通过暴露于标准风险因素衡量的杠杆权益风险取决于其债务到期结构。为了明确考虑杠杆水平与债务到期结构之间的相互作用,我们将公司的杠杆比率分解为短期和长期杠杆。也就是说,我们根据公司的规模、长期杠杆和短期杠杆,对投资组合进行三重投资,这使我们能够在控制规模效应的同时,解开长期和短期杠杆的优势。使用这些投资组合返回图  1 以上,我们获得每月0.22%的显著短期杠杆溢价( t-统计数字=2.64),而长期杠杆的溢价 每月无关紧要( t -统计).

短期杠杆的溢价受hxz和f因素的正面影响,这表明这种溢价反映了对系统风险的补偿。相比之下,长期杠杆的溢价表现出一些正的和一些负的因素暴露,而且,相对于ff模型,阿尔法指数为负。因此,不清楚长期杠杆是否增加或减少公司的系统风险,也就是说,长期杠杆似乎对系统风险的某些层面提供了对冲。为了使短期杠杆与长期杠杆之间的差别定价更加明确,我们提出了短期杠杆溢价减去长期杠杆溢价的结果。保费差数(控制尺寸效应)大约是3.每年2%,表明短期杠杆的溢价比长期杠杆的溢价更容易受到市场和盈利风险因素的影响。

总而言之,我们的实证结果与这样的观点是一致的,即以再融资强度或短期杠杆衡量公司债务再融资需求的直接性,使其股本面临系统性风险。

正如一开始就阐明的那样,我们的目标不是"寻找"一个新的股本风险因素或提出一个新的交易战略,而是强调公司的财务影响。我们的实证结果表明,公司的杠杆水平和债务到期结构共同影响其风险,从而影响其股本成本。为了证明我们的研究结果与债务延期风险的补偿一致,在本文的最后一部分,我们提出了一个基于何雄精神的模型( 2012 )及详细阐述其资产定价影响。

在模型中,企业对杠杆比率和债务到期结构的选择具有内生性。最佳债务政策需要考虑到这样一个事实,即短期和长期杠杆在确定投资者对公司股本和债务的回报方面相互作用。一方面,短期杠杆的再融资风险增加了股权对系统风险的暴露,从而增加了股东要求的回报。另一方面,虽然长期杠杆提供了对债务再融资风险的对冲,但债券持有人所要求的折扣包括增加债券到期日和系统现金流风险的流动性差。因此,对于公司来说,同时选择高杠杆率和高再融资强度并非最佳选择。该模型表明,系统现金流风险较低的企业选择较高的杠杆比率和较低的再融资强度。相反,系统现金流风险高的公司选择较低的杠杆比率和较高的再融资强度。

杠杆率和债务到期日选择对系统现金流风险的依赖,使模型能够使我们的主要实证结论合理化:(一)股本回报与杠杆率无关;(二)股本回报增加再融资强度;(三)股本回报增加是短期杠杆,但不是长期杠杆。我们提供了模型的外部有效性,通过显示它捕捉到了其他与风险相关的股票回报的默认模式,这些模式也被先前的实证研究记录在案。例如,该模型生成的预期股本回报率与违约概率呈负相关,类似于"困境之谜"(例如:、坎贝尔、希尔舍和谢拉基( 2008 ),以及与信贷风险利率正相关的(例如。、弗里瓦尔德、瓦格纳和泽克纳( 2014)).

总的来说,本文提供了新的见解,在股票回报的跨部门定价的债务相关风险。作为对债务再融资风险的补偿,股票投资者需要短期而非长期杠杆的溢价。我们的研究结果表明,债务到期对于理解杠杆效应在资产定价和公司融资方面都很重要。

我们的研究结果还为今后的研究提供了超出本文范围的几种途径。一个方向是从具有最佳杠杆和债务到期日选择的动态平衡模型中得出短期和长期杠杆对资产定价的影响,例如通过扩展Bhamra、Kuehn和斯特雷布拉耶夫的"结构平衡"框架( 2010 )。同样,在以内生融资和投资政策为特点的动态模型中推导债务到期选择对资产定价的影响也是有益的,从而扩展了戈梅斯和施密德的工作( 2010 )。另一个方向是研究公司债务到期日选择在宏观金融环境下的跨部门股本回报所涉影响,在这种背景下,公司由于与长期名义债务相关的名义僵化性而面临通货膨胀风险(例如)。、哈姆拉、费舍尔和库恩( 2011 )、戈梅斯、杰曼及施密德( 2016 ),比姆拉等人。( 2022 )。由于我们的分析没有区分名义债务和债务的实际负担,我们发现短期杠杆的溢价,而不是长期杠杆的溢价,是否和如何能够与潜在的债务到期时通货膨胀风险的权衡有关,仍然是一个悬而未决的问题。

相关文献 .我们的论文自然而然地涉及到以前在股本回报横断面上有关杠杆和默认风险模式的研究,我们将在下面讨论。这些文章和我们的文章之间的主要区别在于,我们把重点放在债务到期结构与杠杆的作用上,以及短期与长期杠杆的不同影响。从概念上说,我们的分析建立在我们在动机中讨论的关于债务到期选择和信贷风险结构模型的公司金融理论文献基础上。  我 当我们呈现模型时  四 ).

大量文献探讨了不同衡量公司杠杆比率和股本回报之间的联系。我们的审查侧重于使用市场杠杆的工作,正如我们在本文中所做的那样。这类文献中的一个突出的研究流是,根据杠杆与按市场记账之间的联系,研究杠杆效应对股本回报的影响。以班达里的发现为基础( 1988 )在控制贝塔及规模、法法及法文后,股本回报率与杠杆率正相关( 1992 )提供证据,证明杠杆效应被企业的按市场记账所捕获。戈麦斯和施密德( 2010 (用内源性公司融资和投资决策的模式使这些典型事实合理化。面对财务摩擦,杠杆率和投资决策是相互关联的,这意味着高杠杆率的公司也有较高的帐面比市场。类似的,奥兹达利( 2012 ), Choi ( 2013 )( 2019 ),以及布雷舍等人。( 2020 研究杠杆在产生价值溢价方面的作用。与所有这些论文不同的是,我们在分析杠杆效应时明确说明了债务到期结构,并发现,例如,与短期和长期杠杆相关的溢价对价值因素(hml)的暴露有很大不同。

其他论文提供了经验证据和(或)理论论据,认为股本回报率和杠杆率之间的关系是或应该是积极的、无关紧要的或消极的。例如,彭曼、理查森和金枪鱼( 2007 根据经验将帐面对市场分解为资产和杠杆组件,发现股票回报率与杠杆率呈负相关。乔治和黄的模型( 2010 ),由约翰逊等人概括。( 2011 ),认为这种负面关系之所以会产生,是因为高风险成本的公司选择低杠杆比率。伊普利托、斯特利和泰巴迪( 2017)检查与目标杠杆比率的偏差,发现股本回报与杠杆比率之间关系的标志取决于公司是被低估还是被高估。通过强调企业债务到期选择的相关性,我们提供了一个新的视角。我们的实证和模型结果显示,股权回报随短期杠杆率的增加而增加,但随长期杠杆率的增加而保持不变或减少。

相关的文献研究权益回报与违约风险或危难风险衡量的关系。当瓦萨拉和星( 2004 )发现股票回报率与基于默顿模型的默认指标呈正相关关系,大多数其他论文都发现股权回报与违约风险代理之间存在负相关;例如,参见 1998 )及坎贝尔、希尔舍及西拉基( 2008 )。试图解释这一痛苦之谜,除其他外,包括上述乔治和黄的论点( 2010 )和约翰逊等人。( 2011 ),因权益债权人讨价还价而偏离绝对优先权规则(例如、加拉皮、舒和颜( 2008 )、加拉皮及严( 2011 )、哈克巴斯、哈瑟曼和舍恩赫尔( 2015 ),或陷入困境的公司所面临的不同时间的系统性风险(例如:,奥多厄蒂( 2012 )。陈、哈克巴斯和斯特雷布拉耶夫( 2022 )在资本结构模型中,使这种时间变化产生内源性,在该模型中,最佳融资政策产生股本回报与失败概率之间的负关系。该模型还与弗里瓦尔德、瓦格纳和ZKINKER的证据相一致,显示了股权回报与危难风险溢价之间的正相关关系( 2014 ),由信贷工具衡量的风险溢价与股本回报率正相关。

我们的模型提供了一个备选的理论基础,使痛苦之谜,信贷风险在股本回报率,以及两者之间的关系。具体而言,我们的模型暗示高杠杆水平与高违约概率和低信用风险溢价有关,而高再融资强度则伴随着低违约概率和高信用风险溢价。换言之,杠杆率和再融资强度在相反的方向上影响违约概率和信用风险溢价,正是为了调和经验证据所需要的。

最近的一篇论文也研究了股权回报中的债务到期日效应,这篇论文是查德里娜、维斯和齐克纳( 2022 )。他们使用规模和债务到期日的双重分类(定义为长期债务与总债务的比率),发现了收益随债务到期日的增加而增加的证据。由于我们强调有必要共同研究杠杆效应和债务到期日效应,以考虑到基础资本结构决策的内生性,我们的结果应该与它们的稳健性比较,即它们对杠杆率和债务到期日进行双重排序。在这项工作中,几乎没有证据表明债务到期日溢价,这似乎与我们的结论一致,即与长期杠杆、控制规模和短期杠杆有关的溢价与零并无不同。

文件的其余部分安排如下。节  我 讨论了我们分析的理论动机.节  二 介绍数据和部分  三 介绍了实证分析。在节内  四 ,我们引入一个可使我们的发现合理化的滚动风险模型。… 附录 包含与模型相关的技术细节。

我。动机
从莫迪里亚尼和米勒( 1958 金融杠杆在公司金融和资产定价中发挥了关键作用。在mm中嵌入标准资产定价假设提供了一个强大的概念工具来思考杠杆资产回报率--固定资产贝塔,杠杆率的增加增加了股票对定价风险的暴露,因此,在其他条件相同的情况下,预期股本回报应随杠杆率的增加而增加。然而,上述相关文献中讨论的先前研究表明,杠杆与股本回报之间的经验联系并不像mm所建议的那样清晰和简单。

在本文中,我们认为杠杆率和股本回报率之间的联系比简单的正关系更复杂的一个原因是,公司的债务到期日结构对杠杆相关风险的定价至关重要。换句话说,虽然以往的实证和理论研究(暗示)假设股东平均定价所有杠杆相关风险,但我们调查的可能性是,与长期杠杆相比,股东要求不同的短期风险溢价。

我们的主张是基于对结构性信贷风险模型的研究,其中表明杠杆和债务到期率共同影响股票风险。虽然这些文献同意公司的债务到期结构影响其股本风险,但不同的模型强调短期债务和长期债务的相对成本和收益的不同经济来源。因此,与债务有关的短期和长期对股票风险的影响可能根本不同。由于我们的目标是对杠杆对股本回报率的资产定价影响提供更细致的看法,而不是测试一个特定的结构模型,我们的讨论侧重于这些模型中债务到期影响背后的两个主要对立经济力量。

他与熊开创了一个债务到期效应的渠道( 2012 ),强调短期债务会使公司面临转期风险,而长期债务则会缓解债务再融资需求的紧迫性。 1 作为公司现金流量的剩余索赔人,股东承诺弥补到期债务的延期可能造成的短缺,即债务延期可能造成的损失。何雄与熊的架构( 2012)意味着,在一定的杠杆水平上,股东预期的结转亏损增加了公司的再融资强度,即公司短期债务与总债务的比率。换句话说,将一个给定的杠杆比率分解为短期和长期杠杆的总和,结转风险模型意味着股票风险在短期杠杆中增加,但在长期杠杆中减少。

其他报纸则强调短期债务比长期债务为企业提供更多的财务灵活性。这种灵活性对于减轻(机构)因债务过剩而产生的成本至关重要。关键思想是,短期债务被认为是当现金流恶化时,股东减少杠杆的(承诺)手段,而长期债务不能发挥这样的(约束性)效果;对于最近的理论工作,参见( 2021 )和他( 2021 ). 2与长期债务相比,这种短期收益对股票的风险影响与债务结转风险的影响相反。对于给定的杠杆比率,较高的债务再融资强度反映了调整公司资本结构的更大灵活性,从而降低了股本风险。同样,将公司的杠杆率分解为短期和长期杠杆,长期杠杆的股本风险增加,但短期杠杆的风险减少。

考虑到这两种经济机制,我们让股权数据来为自己说话。通过回答两个相关问题,两个渠道都提出了相同的实证策略,以测试股票回报率的债务到期日效应。首先,控制杠杆,公司的债务再融资强度与股本回报率有什么关系?第二,股东对短期杠杆和长期杠杆是否要求同样的溢价?为了回答这些问题,我们分两个步骤进行。首先,为了控制杠杆率,我们利用横断面回归和投资组合排序来研究公司的债务到期日是否和如何影响股本回报。在下一步,我们使用投资组合分类来评估短期和长期杠杆率,并研究他们的因素风险暴露。

二.资料
我们的样本包括杠杆式的,非金融性的美国。1976年1月n至2019年12月期间,纽约证交所、纳斯达克和美国美国证券交易所上市的公司。我们从证券价格研究中心(CRSP)获得每月股票回报,并从计算机统计年度和季度基本档案获得会计信息。为了确保会计数据在用于分析随后的收益之前就已为人所知,我们在合并这些数据集时采用了保守的6个月滞后期。 3 在hxz之后,我们排除金融公司(原文编号6-6999)和无正帐面股本公司(定义为戴维斯、法玛和法国)( 2000)。我们也排除了非正资产总额和非正市场股权的公司。此外,由于我们对研究债务到期影响感兴趣,我们要求公司的杠杆比率为非零,详情如下。

为了研究债务到期日对股票回报率的影响,我们需要公司债务到期日结构的信息。根据经验性公司融资的文献(见下文),我们重点分析在发行超过一年时原始到期的债务。 4 过去,计算机统计系统把这些数据分成两个项目(和):指自资产负债表日期起一年内到期的债务,以及 指从资产负债表日期起一年后到期的债务。我们跟着库柏,葛伦和希尔( 2008 )及设定缺失的和 为了零。巴克利和史密斯( 1995 )注意到,自1974财政年度起,电子计算系统开始报告资产负债表日起两年、三年、四年和五年到期的债务数据(项目),,,以及)。因此,我们样品期的开始是因为有物品可用到在电脑上。我们设定了缺失的到如果至少有一个是零的话。我们要求所有债务项目(到, )是非否定的。我们进一步跟踪阿尔梅达等人。( 2011 ),并采用另外两个过滤器:我们删除总债务(+)超过总资产及超过一年到期债务的观察()低于两年、三年、四年及五年到期债务的总和()自资产负债表日期起算。

利用这些数据,我们根据现有文献(例如:、巴克利和史密斯( 1995 )、阿尔梅达等人。( 2011 )、哈福德、克拉萨和麦克斯韦( 2014 )。尤其是,我们定义了杠杆,,作为债务总额()相对于债务总额及股本市值,
 
(1)
我们定义了债务再融资的强度,,作为短期债务(++)相对于债务总额,
 
(2)
我们的债务总额等于短期及长期债务的总和,而长期债务是指三年后到期的债务(−−).
本文的目的是研究债务到期的影响,这自然要求我们把重点放在,因为否则 却没有定义。在我们的主要分析中,我们使用了涵盖所有杠杆公司的样本,但在一个不包括azl公司的样本中重复了所有的分析。继阿尔梅达等人之后。( 2011 )及杨士德( 2013 ),我们把公司定义为.使用这个所有的但是阿兹尔样本确保我们关于债务到期日在股本回报中的作用的推论不是由几乎没有杠杆的公司所推动的。

在我们的分析中,我们与 q -HXZ因子模型以及FF3和FF5模型。为了保持一致性,我们需要这些模型的所有特征的可用性,也就是说,贝塔,现有,股票的市场价值,, investment-to-assets,,权益回报,,帐面对市场比率,,经营利润, .我们估计,在过去60个月内,一个股票在FF市场要素回报率上的回报率会下降,至少需要24个月的回报率。关于其他特点,我们将按不同的原件和侯等人的详细描述。( 2019 )、侯、雪、张( 2020 )。此外,我们从网站下载hxz、ff3和ff5因子回报。 5

桌子  我 为我们的数据提供统计摘要。在1976年1月n至2019年12月的抽样期间,所有受杠杆公司的抽样包括10202家公司的964,984次观测结果,排除了阿兹尔公司的抽样包括8935家公司的808867次观测结果。小组A展示了样本平均值和标准偏差的回报和确定的特性,这两个样本非常相似。小组B提供了与和以及其他公司的特点。从这些相关性来看,我们注意到和在全基和全基偶氮基样品中,分别与-0.25和-0.11的系数呈负相关。也就是说,杠杆率高的公司的债务再融资强度往往低于低杠杆公司。我们还注意到和 ,系数为0.49和0.47。以前的研究(例如:、戈梅斯和施密德( 2010 ), Choi ( 2013 )和通常归因于价值型企业(高))拥有比成长型公司更"安全"的资产(低)),这使他们可以选择一个更高的杠杆比率。有趣的是,和很低,系数为0和0.07。

表一 统计摘要
在面板A中,我们报告超额回报的平均值和标准差(), leverage ()、再融资强度()、贝塔(现版)、股票市值(), investment-to-assets ()、股本回报(), book-to-market (),及营运利润()。B组报告了不同特征与和.我们报告了所有受杠杆公司(全杠杆公司)的汇总统计数据,并报告了一个抽样,其中我们排除了杠杆率低于5%的公司(全杠杆公司)。这些数据在1976年至2019年期间按月频率和覆盖面进行抽样。
小组A:统计摘要
所有的    全偶氮
卑鄙的    标准数据集    卑鄙的    标准数据集
[in %]    0.95    16.19    0.97    15.80
0.28    0.22    0.33    0.21
0.40    0.32    0.35    0.30
β    1.11    0.71    1.08    0.68
[in $1 billion]    3.32    18.45    3.16    17.29
0.14    0.36    0.13    0.33
0.01    0.11    0.01    0.11
0.88    0.86    0.95    0.91
0.19    0.42    0.20    0.41
意见    964,984    808,867
公司    10,202    8,935
小组B:相关性
所有的    全偶氮
1.00    −0.25    1.00    −0.11
−0.25    1.00    −0.11    1.00
β    −0.06    0.04    −0.01    −0.00
−0.08    −0.06    −0.10    −0.05
−0.07    −0.05    −0.05    −0.09
−0.05    −0.10    −0.10    −0.07
0.49    0.00    0.47    0.07
0.01    −0.16    −0.04    −0.12
三.实证分析
我们对债券到期日效应的实证分析分两个步骤进行.首先,我们利用横断面回归和投资组合排序来研究债务再融资强度是否和如何影响股本回报。其次,我们将公司的杠杆比率分解为短期杠杆和长期杠杆。然后,我们利用投资组合排序来解开短期杠杆与长期杠杆与短期杠杆的关联,并分析它们的差异。在本节结束时,我们讨论了我们的研究结果,以及如何将其纳入债务结转风险的结构模型,例如我们在本节中介绍的模型。  四 .

A.债务再融资风险:跨部门回归的证据
为了开始研究债券到期日对股本回报率的作用,我们使用FMA和麦克白( 1973 横断面回归。利用月回报率,我们用两种方法实现了单个库存水平的回归。首先,我们关注相关的研究(例如。、法法及法文( 1992 )( 2019 ),并进行普通的最小二乘回归。第二,为了避免潜在的担忧,即研究结果可能会受到微型资本上限的不当影响,我们采用加权最小二乘回归法(fmb-wl),采用股票市场资本化作为权重(如侯、薛和张(如他所建议的) 2020 )). 6 全部的 t -统计是根据不同的可变性和自相关性(HAC)标准误差,使用了杜威和西( 1987 )如安德鲁斯所建议的那样选择最佳截断滞后( 1991 ).

桌子  二 对小组A中所有受杠杆公司的抽样和小组B中不包括偶氮公司的抽样的回归结果。在模型(一)和(二)中,我们对公司杠杆比率的超额回报进行单变量回归或债务再融资强度,以及模型㈢包括:和 一起。我们报告估计系数的时序平均值和相应的 t -方括号内的统计数字。一方面,我们的结果表明,股本回报与杠杆无关--------------------------------------------------------在所有的规格上都是微不足道的是0.62)。另一方面,我们发现股票回报率,这意味着股票回报率在公司短期债务总额中的比例增加。在所有样本中,系数估计值 在单变量Fmb-OLS回归( t -统计数字=2.29)和在Fmb-OL和Fmb-WLS联合回归中( t -统计数字=2.36和2.21)。的结果 在排除azl公司的抽样中,在统计上更强大,在所有单变量和联合回归中有显著的系数估计( t -statistic between 1.99 and 2.97).

Table II. 杠杆、债务再融资和股本回报
这张表格报告了法玛和麦克白( 1973 )在个别公司层面采用普通最小二乘法和加权最小二乘法进行的横断面回归,在这两种方法中,我们按股本的市值加权。和 分别指杠杆和再融资强度。我们报告估计系数的时序平均值和相关系数 t -方括号内的统计数字。… t -统计数字是基于使用新的和西方的空调标准错误( 1987 )如安德鲁斯所建议的那样选择最佳截断滞后( 1991 )。A小组报告所有杠杆化公司的结果,B小组报告一个样本,我们排除了ALL公司,即杠杆率低于5%的公司。所有权(但所有权)样本包括10202(8935)家公司的964,984(808867)个月申报观察。这两个样本涵盖1976年至2019年期间的杠杆交易所、非金融交易所、纳斯达克和AMEX公司。
小组A:
Fmb-OLS    Fmb-WLS
(i)    (ii)    (iii)    (i)    (ii)    (iii)
−0.06        0.03    0.02        0.06
[−0.20]        [0.09]    [0.07]        [0.19]
0.36    0.38        0.19    0.27
[2.29]    [2.36]        [1.49]    [2.21]
B小组:全蓝色
Fmb-OLS    Fmb-WLS
(i)    (ii)    (iii)    (i)    (ii)    (iii)
−0.19        −0.14    −0.07        −0.03
[−0.62]        [−0.42]    [−0.24]        [−0.11]
0.46    0.46        0.35    0.37
[2.97]    [2.84]        [1.99]    [2.22]
自侯、薛、张( 2020 )我们会再次分析市场权益大于或等于市场权益的股票类别,并强调金融市场银行回归的推论对微型上限敏感。
 纽约证交所股票的百分点。桌子  三 显示我们的研究结果有力地排除了微型资本,也就是说,股本回报与但与,尤其是排除公司。尤其是系数估计 在所有联合回归中均呈显著阳性( t -2.17至2.97之间的统计数字。另外,对于所有的公司, 在单变量Fmb-OLS回归( t -统计数字=2.68),单变量FOM-WLS回归(尽管水平较低) t -statistic =1.88).

Table III. 杠杆、债务再融资和股本回报:不包括小额资本
这张表格报告了法玛和麦克白( 1973 )在个别公司层面采用普通最小二乘法和加权最小二乘法进行的横断面回归,在这两种方法中,我们按股本的市值加权。和 分别指杠杆和再融资强度。我们报告估计系数的时序平均值和相关系数 t -方括号内的统计数字。… t -统计数字是基于使用新的和西方的空调标准错误( 1987 )如安德鲁斯所建议的那样选择最佳截断滞后( 1991 )。我们排除了微型计算机,也就是说,库存小于
纽交所股票市场股本的百分点。A小组报告非零杠杆公司的结果,B小组报告抽样公司的结果,我们排除了AZL公司。我们将公司定义为杠杆率低于5%的公司。所有权(但所有权)样本包括512357(437325)家公司的每月报告。这两个样本涵盖了1976年至2019年期间的杠杆交易所、非金融交易所、纳斯达克和美国汽车公司。
小组A:
Fmb-OLS    Fmb-WLS
(i)    (ii)    (iii)    (i)    (ii)    (iii)
0.13        0.23    0.01        0.05
[0.49]        [0.86]    [0.03]        [0.16]
0.20    0.27        0.18    0.26
[1.47]    [2.35]        [1.41]    [2.24]
B小组:全蓝色
Fmb-OLS    Fmb-WLS
(i)    (ii)    (iii)    (i)    (ii)    (iii)
0.00        0.07    −0.09        −0.04
[0.01]        [0.28]    [−0.28]        [−0.13]
0.40    0.41        0.34    0.37
[2.68]    [2.97]        [1.88]    [2.17]
总之,回归证据表明,公司的股本回报率与债务再融资强度之间存在着积极的联系。研究发现,短期债务(相对于总债务)中的股本回报率增加,这为股票各部门的债务到期影响提供了初步证据,说明了债务结转风险渠道,而不是金融灵活渠道。在所有的规范中,杠杆的回归系数是微不足道的,我们发现当控制杠杆和(或)排除阿扎L公司时,结果会更有力,突出了联合分析杠杆和债务到期影响的必要性。

B.债务再融资风险的溢价
为了探讨杠杆的成熟度结构是否和如何影响股票回报的横断面,我们应用在实证资产定价文献中发展的投资组合程序。我们的目标是衡量与债务再融资风险相关的溢价,并研究这种溢价如何与取代系统风险的标准因素相关。

为了消除杠杆和债务再融资风险的风险,并控制潜在的规模效应,我们进行了三重按公司规模分类(), leverage (),以及债务再融资强度( )。这个投资组合设置直接遵循hxz,也就是说,我们从独立的类别中构造投资组合,我们使用纽交所断点,我们关注价值加权回报。 7 我们指18个投资组合的超额回报
捕捉与大小有关的收益差(
), leverage (
),以及债务再融资强度(
)自各投资组合交汇处
 
 
 
 
 
 
(3)
 
 
 
 
 
 
(4)
 
 
 
 
 
 
(5)
B.1投资组合汇总统计
桌子  四 提供了我们用来计算规模、杠杆率和债务再融资风险的投资组合的汇总统计数据。首先,我们注意到,这一程序产生的投资组合确实适合将债务再融资风险的溢价与杠杆溢价分开,反之亦然。更具体地说,我们发现在高与低之间投资组合(0.28对0.32)和平均数无论是低水平还是高水平都是0.30文件夹。其次,我们注意到公司规模的变化和投资组合相对于报告的小公司和大公司的平均水平或投资组合由小公司主导。

Table IV. 关于规模、杠杆和再融资强度的投资组合特征
我们总结了独立投资组合的特点大小分类(), leverage (),以及再融资力度()。每个月,我们使用纽约证交所市值中位数将公司分成两组,即大公司和小公司;独立地将股票分成三类。使用纽约证交所断点的群体在排名中的低30%、中40%和高30%;以及独立地将股票分类为三种使用纽约证交所断点的群体在排名中的低30%、中40%和高30%.把两个尺寸的交叉口,三个,及三我们计算每个月的平均特征文件夹。小(大)是9个小(大)投资组合的平均特征。低(高)是6个低(高)投资组合的平均特征。和分别。我们报告的平均数,,贝塔(现版),股本市值(), investment-to-assets ()、股本回报(), book-to-market (),营业利润(),以及相等的(电子交易)及价值加权(VW)超额回报()。我们的抽样调查涵盖了1976年至2019年期间所有杠杆交易所、非金融交易所、纳斯达克和美国美利坚合众国证券交易所的所有公司,共计为10202家杠杆交易所提供了964,984份月度报告。
小的    大的    低的    高的    低的    高的
0.312    0.294    0.080    0.555    0.303    0.300
0.321    0.270    0.323    0.278    0.052    0.611
β    1.168    1.053    1.175    1.068    1.099    1.165
[in $1 billion]    0.395    9.980    7.380    3.732    3.172    5.898
0.134    0.144    0.167    0.123    0.171    0.117
0.000    0.034    0.024    0.006    0.017    0.014
0.980    0.712    0.527    1.240    0.795    0.891
0.160    0.314    0.241    0.222    0.237    0.225
[EW in %]    1.017    0.784    0.888    0.842    0.785    0.978
[大众%]    0.954    0.726    0.759    0.861    0.749    0.912
通过仔细研究通常用于构建风险因素的公司特征的投资组合平均值,我们注意到杠杆和债务再融资风险投资组合之间存在一些有趣的差异。第一,似乎与债务再融资强度呈正相关,但与杠杆作用呈负相关。第二,与先前的研究一致,(平均)帐面对市场比率,,高的比低的要高得多公司。相反,我们发现对于低水平和高水平的人来说公司。第三,两者之间存在类似的逆关系。以及对资产的投资,以及和.经营利润,我们发现和文件夹。更何况,我们发现公司平均股本回报率较低比低的公司,低与高没有明显的区别 投资组合。

在最后两行,我们报告了投资组合的平均电子和大众超额回报。与先前的研究结果一致,我们发现每个月有0.23%的小而大的回报差(电子和大众)。杠杆的潜在溢价迹象尚不清楚,高-低回报差等于以及0.10%的大众投资组合。相比之下,高低值电子交易和大众公司的投资组合分别为每月0.19%和0.16%,均为正,相似。乍一看,债务再融资风险的正溢价似乎与高利率与低利率特征的差异一致。组合,特别是它们的高和低 比率。

B.2.交叉回归结果
为了分析与杠杆率和债务再融资风险相关的溢价,我们使用了相应的大众从方程( 4 ) and ( 5 )。我们的目标是研究这些收益差是否补偿股东暴露于系统风险。为此,我们使用 q -税务局提议的因素。这一选择的动机是最近的研究(侯等人)。( 2019 ),表示 q-因子模型包括其他模型,用来总结股票回报横断面的系统风险结构。此外,我们再次使用FF3和FF5中提出的因子模型进行分析,这是解释与杠杆相关的回报模式的标准基准。

桌子  V 提出基于杠杆率的高-低回报差的时间序列平均值,
,以及再融资强度,
 ,以及利用 q -因素。全部的 t -方括号内报告的统计数字是根据使用杜威和韦斯特的HAC标准误差( 1987 )如安德鲁斯所建议的那样选择最佳截断滞后( 1991 ).

表五 与杠杆率和再融资强度相关的收益率差异的跨越性测试 q -因素
我们提出了与杠杆和再融资强度相关的高低回报差的跨界回归结果。我们从独立的角度估算杠杆率和再融资风险率大小分类(), leverage (),以及再融资力度()。每个月,我们使用纽约证交所市值中位数将公司分成两组,即大公司和小公司;独立地将股票分成三类。使用纽约证交所断点的群体在排名中的低30%、中40%和高30%;以及独立地将股票分类为三种使用纽约证交所断点的群体在排名中的低30%、中40%和高30%.把两个尺寸的交叉口,三个,及三小组,我们计算每月的价值加权回报文件夹。
(
是六高六低的平均回报率之间的差额()投资组合。在跨界回归中,我们使用市场(
), size (
), investment (
),及利润(
 )的因素 q -侯、雪、张因子模型( 2015 ). The t -统计数字(方括号内)是根据使用杜威和韦斯特的HAC标准错误( 1987 )如安德鲁斯所建议的那样选择最佳截断滞后( 1991 )。我们的样本涵盖了1976年至2019年期间所有杠杆交易所、非金融交易所、纳斯达克和AMEX公司,共计为10202家杠杆交易所提供了964,984份月度报告。
(i)    (ii)    (iii)    (i)    (ii)    (iii)
截取    0.10    0.12    −0.07    0.16    0.14    0.03
[0.78]    [0.87]    [−0.61]    [2.21]    [1.99]    [0.40]
−0.06    0.03        0.08    0.11
[−1.09]    [0.73]        [3.92]    [4.97]
0.04            0.06
[0.49]            [1.35]
0.82            0.15
[9.63]            [2.70]
−0.18            0.07
[−2.34]            [1.72]
规范(i)中的结果表明保险费与零没什么区别,而 保费为显著阳性,每月估计为0.16%( t -统计=2.21)。规范(ii)中的卡普姆式回归表明保费与市场风险无关,而 保费的负载显著正( t 统计数字=3.92)。除了大量的市场风险外, 保费的α值为0.14%( t -统计=1.99)。在规范(iii)中,我们添加了 q -由HXZ构造的系数,即大小(
), investment (
),及利润(
 因素,对交叉回归的影响。至于杠杆溢价,我们发现投资因素有显著的正负荷( t -统计数字=9.63)和盈利因素的显著负重( t -统计 )。加上剩余的 q -各因素还包括债务再融资风险的溢价,市场上的正负荷( t -统计=4.97),投资因素( t -统计数字=2.70)和盈利因素( t -statistic =1.72).

这些结果表明,股票回报的横断面反映了债务再融资风险的正溢价。债务再融资的即时性越高,就越容易受到系统性风险的影响,导致股本收益增加。市场风险的正面风险、投资因素和盈利因素也显示了债务再融资风险补偿与股本回报和杠杆之间的关系有什么不同。杠杆溢价平均为零,不存在市场风险,对投资因素有(较大)正风险,对盈利因素有负风险。因此,目前还不清楚杠杆率是增加还是减少公司的系统风险--看来高杠杆率增加了投资风险,但却是对盈利风险的对冲。 8 我们可以做出的一个声明是,并非所有与杠杆相关的风险都在股票市场上被公平定价。

桌子  六 报告使用ff因子的跨界回归结果。我们的结论本质上相似。规范(i)重复卡普姆风格的回归。与上述相似,我们没有发现杠杆溢价和市场因素之间的重要联系。对于债务再融资溢价,我们发现市场因素有一个显著的正负荷和一个微不足道的阿尔法。规范(ii)报告FF3模型的结果,该模型还包括尺寸(SMB)和值(HTML)因素。根据先前的研究,我们发现杠杆溢价对HML有显著的正负荷(0.66与 t -统计数字19.27)。相比之下,债务再融资风险的溢价对市场因素有显著的正面影响( t -统计数字=4.92)而与HML的联系要弱得多(0.07与 t -统计数字1.91)。最后,规范(III)使用FF5模型提出了跨阶段回归,该模型还包括投资(CMA)和运营利润率(RMW)因素。对于杠杆溢价,我们发现除了rmw外,所有因素都有不同程度的正风险暴露,以及显著的负α ( t -统计 )。在经济和统计上,杠杆溢价中最重要的驱动因素是HML,其风险为0.59( t -统计数字=12.67)。债务再融资风险的溢价由市场因素的正面风险构成( t -统计数字=5.03)以及最低工资委员会( t -statistic =2.03) and RMW ( t -统计=2.01)。与杠杆溢价不同的是,hml的风险暴露为零。

Table VI. 与杠杆率和再融资强度相关的收益率差异与金融基金因素的对比测试
我们提出了与杠杆和再融资强度相关的高低回报差的跨界回归结果。我们从独立的角度估算杠杆率和再融资风险率大小分类(), leverage (),以及再融资力度()。每个月,我们使用纽约证交所市值中位数将公司分成两组,即大公司和小公司;独立地将股票分成三类。使用纽约证交所断点的群体在排名中的低30%、中40%和高30%;以及独立地将股票分类为三种使用纽约证交所断点的群体在排名中的低30%、中40%和高30%.把两个尺寸的交叉口,三个,及三小组,我们计算每月的价值加权回报文件夹。
(
是六高六低的平均回报率之间的差额( )投资组合。在跨界回归中,我们使用FMA-法国市场、规模(SMB)、价值(HTML)、盈利性(RMW)和投资(CMA)等因素,对规范(一)和(二)进行定义,如FMA和法文(MKTRF)( 1993 )及规范规格(III),如法法及法文所界定( 2015 ). The t -统计数字(方括号内)是根据使用杜威和韦斯特的HAC标准错误( 1987 )如安德鲁斯所建议的那样选择最佳截断滞后( 1991 )。我们的抽样调查涵盖了1976年至2019年期间所有杠杆交易所、非金融交易所、纳斯达克和美国美利坚合众国证券交易所的所有公司,共计为10202家杠杆交易所提供了964,984份月度报告。
(i)    (ii)    (iii)    (i)    (ii)    (iii)
截取    0.15    −0.11    −0.17    0.11    0.08    0.00
[1.03]    [−1.39]    [−1.98]    [1.48]    [1.01]    [0.04]
Mktrf    −0.07    0.03    0.05    0.08    0.09    0.11
[−1.26]    [1.33]    [1.75]    [4.13]    [4.92]    [5.03]
小型汽车公司        0.09    0.11        0.04    0.08
[1.63]    [2.40]        [0.86]    [2.03]
HML        0.66    0.59        0.07    0.00
[19.27]    [12.67]        [1.91]    [0.07]
Rmw            0.08            0.12
[1.12]            [2.01]
中央管理局            0.12            0.12
[1.78]            [1.53]
总的说来,金融危机基金的回归结果证实了债务再融资风险溢价的证据。两组结果都显示 保险费是由正风险因素暴露.虽然不同规格之间存在一些差异,而哪些因素的结果是显著的,但我们发现,在所有HXZ和FF规格中,统计上最重要的系统风险暴露是各自市场因素的负载( t -统计数字3.92或以上)。

hxz和ff生成回归的结果也是一致的,因为我们无法在杠杆和系统风险之间建立明确的关系。首先,杠杆溢价平均为零。综上所述,交叉回归表明,杠杆溢价对投资风险的作用是积极的,但对盈利风险的作用则是消极的。因此,杠杆似乎产生了对系统风险某些层面的暴露,但对其他层面则提供了对冲。

在ff回归中,结果主要是大而显著正暴露于hml因子。这一情况反映了先前记录在案的杠杆率与按市场计价之间的密切关系。在FF5模型中,我们也发现(大多数是显著的)正暴露于其他因素,但我们进一步发现α是显著负暴露。换言之,高杠杆化公司的收益比低杠杆化公司低,这是因为按照FF5风险因素的正暴露来衡量系统风险。乍一看,这一结果似乎违背直觉,让人联想到危难之谜,也就是说,高危难风险公司的股票比低危难风险公司的股票的回报率低,但与低危难风险公司的股票相比,其回报率高。坎贝尔,希尔舍,( 2008 )、加拉皮及严( 2011 )。这一发现表明,FF5模型没有完全跨越杠杆溢价,而只是部分暴露于系统风险。换言之,杠杆溢价与FF5的负剩余回报率相关,因为它为系统风险的其他层面提供了对冲。相反, q -因子模型产生阿尔法0。

为了确保我们的结果不受(经济上)杠杆比率低的公司的驱动,我们重复了排除了azl公司的子样本分析。为了节省空间,我们在 互联网附录 (表中) 国际组织二 到 国际组织 )。我们的总体看法没有改变:杠杆没有溢价,但债务再融资风险有显著正溢价(每月0.19%)。 t -统计数字2.26)。再融资风险溢价受正风险因素暴露的影响,市场因素在跨越性回归中发挥着最重要的作用。

C.短期与长期杠杆的溢价
在上一节中,我们研究了债务到期效应,控制杠杆,在股票回报的跨部门,并提供了与债务再融资风险相关的溢价的证据。下一步,我们从一个相关但不同的角度,通过将公司的杠杆作用分解为短期杠杆作用和长期杠杆作用,探索债务到期影响。我们将短期杠杆定义为
(6)
也就是说,未来三年到期的债务所产生的杠杆和长期杠杆
(7)
也就是说,三年以上到期债务所产生的杠杆作用,.经济上,这一分析不同于上述分析,因为它直接将债务到期日与杠杆水平相互作用。例如,这种互动意味着,高再融资强度的公司不一定要被分配到高短期杠杆投资组合中;相反,如果该公司的杠杆比率足够低,它很可能被分配到低短期杠杆投资组合中。因此,为了补充我们对债务再融资风险溢价的分析,我们现在评估短期杠杆和长期杠杆的(潜在差异)定价在股票回报的各部分。组合排序过程类似于上面所描述的,也就是说,我们进行三重排序对公司规模、长期杠杆和短期杠杆进行排序,计算出各自的收益差。
 
 
 
 
 
 
(8)
 
 
 
 
 
 
(9)
 
 
 
 
 
 
(10)
C.1。投资组合汇总统计
桌子  七. 介绍在保险费计算中构成长、短段的投资组合的统计摘要。从长期杠杆开始,我们报告说投资组合(平均0.04)和高水平投资组合(平均0.44)均与平均数相关是0.08.低短期和高短期杠杆投资组合分别为0.01和0.18的平均值非常相似分别是0.22和0.23。四个杠杆投资组合的公司规模存在一定差异,但没有一个投资组合是由小公司主导的。与高投资组合相比,低投资组合的平均规模差异很小。

Table VII. 关于规模、长期杠杆和短期杠杆的投资组合特征
我们总结了独立投资组合的特点大小分类()、长期杠杆(),及短期杠杆()。每个月,我们使用纽约证交所市值中位数将公司分成两组,即大公司和小公司;独立地将股票分成三类。使用纽约证交所断点的群体在排名中的低30%、中40%和高30%;以及独立地将股票分类为三种使用纽约证交所断点的群体在排名中的低30%、中40%和高30%.把两个尺寸的交叉口,三个,及三我们计算每个月的平均特征文件夹。小(大)是9个小(大)投资组合的平均特征。低(高)是6个低(高)投资组合的平均特征。和分别。我们报告的平均数,, leverage ()、再融资强度()、贝塔(现版)、股票市值(), investment-to-assets ()、股本回报(), book-to-market (),营业利润(),以及相等的(电子交易)及价值加权(VW)超额回报()。我们的抽样调查涵盖了1976年至2019年期间所有杠杆交易所、非金融交易所、纳斯达克和美国美利坚合众国证券交易所的所有公司,共计为10202家杠杆交易所提供了964,984份月度报告。
小的    大的    低的    高的    低的    高的
0.233    0.222    0.043    0.442    0.223    0.229
0.091    0.069    0.084    0.076    0.009    0.180
0.323    0.291    0.127    0.517    0.233    0.410
0.351    0.283    0.585    0.133    0.154    0.503
β    1.163    1.031    1.173    1.016    1.137    1.111
[in $1 billion]    0.392    8.941    6.573    2.828    4.282    3.988
0.133    0.141    0.141    0.138    0.176    0.107
−0.001    0.033    0.019    0.007    0.017    0.012
0.988    0.721    0.637    1.154    0.702    1.062
0.159    0.304    0.219    0.221    0.228    0.225
[EW in %]    1.007    0.805    0.950    0.807    0.816    1.022
[大众%]    0.938    0.752    0.857    0.808    0.756    0.978
两者之间有一个相反的关系和,然而相对于. Moreover,和两者都与,有较高的色散度投资组合比 文件夹。这些汇总统计数据表明,这些投资组合不同于在分析杠杆和债务再融资风险时使用的投资组合。  三 . B .

关于其他公司特征的投资组合平均值,我们发现了一个与长期杠杆率的逆关系,但是对于低水平和高水平的投资组合来说,它是非常相似的。文件夹。我们发现杠杆措施和,具有更大的色散度比….但在这方面在短期和长期杠杆投资组合中,我们发现长期和短期低杠杆投资公司的杠杆率较高。比高杠杆率公司更重要。最后,没有区别为了但短期杠杆率高的公司的投资组合较低比高公司.

最后两行报告投资组合的平均电子和大众超额回报。对于电子产品组合,我们发现最低级别的投资组合回报是按月计算,而差额收益率为0.21% .对价值加权组合而言,相应的回报与图A小组中绘制的回报相对应  1 ,见上文。平均回报率趋于下降。增加(有小的高-低差)的回报投资组合从0.76%(低)增至0.80%(中等)和0.98%(高),每月产生0.22%的低-低差。

C.2。交叉回归结果
桌子  八. 提出短期和长期杠杆的优势,以及它们之间的差异,并利用 q -HXZ因素。小组A显示短期杠杆的溢价,
 ,每月0.22%呈显著阳性( t -统计数字=2.64)和长期杠杆的溢价,
,为负,但与零无显著差别。利用HXZ市场因子进行的生成回归结果表明 保费显著负( t -统计). For,我们发现没有重大的市场风险,单凭市场因素无法解释 即其α值为0.22%( t 统计数字=2.72)。但是,当我们包括了 q -回归中的因素,溢价是多方面的,也就是说,阿尔法在市场、投资和盈利因素的正面作用下变得无足轻重。为了保险费我们发现投资因素有显著正负荷,而盈利因素有显著负负荷。

Table VIII. 与长期杠杆作用和短期杠杆作用有关的收益差额的跨越性测试 q -因素
我们提出了与长期杠杆和短期杠杆相关的高-低回报差的跨界回归结果。我们估计长期和短期杠杆从独立大小分类()、长期杠杆(),及短期杠杆()。每个月,我们使用纽约证交所市值中位数将公司分成两组,即大公司和小公司;独立地将股票分成三类。使用纽约证交所断点的群体在排名中的低30%、中40%和高30%;以及独立地将股票分类为三种使用纽约证交所断点的群体在排名中的低30%、中40%和高30%.把两个尺寸的交叉口,三个,及三小组,我们计算每月的价值加权回报文件夹。
(
是六高六低的平均回报率之间的差额()投资组合。表A显示的结果是
和
以及B小组,
.在跨界回归中,我们使用市场(
), size (
), investment (
),及利润(
 )的因素 q -侯、雪、张因子模型( 2015 ). The t -统计数字(方括号内)是根据使用杜威和韦斯特的HAC标准错误( 1987 )如安德鲁斯所建议的那样选择最佳截断滞后( 1991 )。我们的样本涵盖了1976年至2019年期间所有杠杆交易所、非金融交易所、纳斯达克和AMEX公司,共计为10202家杠杆交易所提供了964,984份月度报告。
小组A:长期和短期杠杆的溢价
(i)    (ii)    (iii)    (i)    (ii)    (iii)
截取    −0.05    −0.01    −0.09    0.22    0.22    −0.04
[−0.40]    [−0.10]    [−0.82]    [2.64]    [2.72]    [−0.49]
−0.13    −0.05        0.02    0.10
[−2.70]    [−1.38]        [0.42]    [3.43]
−0.07            0.04
[−1.23]            [0.53]
0.65            0.50
[7.88]            [6.32]
−0.22            0.13
[−3.02]            [2.43]
小组:短期减长期杠杆溢价
(i)    (ii)    (iii)
截取    0.27    0.23    0.05
[2.11]    [1.77]    [0.40]
0.14    0.15
[2.90]    [3.42]
0.11
[1.74]
−0.15
[−1.65]
0.35
[4.70]
为了使短期与长期杠杆的差别定价更明确,B小组提出了短期杠杆溢价减去长期杠杆溢价的回归结果,即,
.有了这种差异,我们可以直接评估短期补偿的驱动因素是否超过长期杠杆。

规范㈠报告说,超过 每月0.27%( t -统计=2.11)。说明㈡表明,差额溢价在控制其显著正面的市场风险时仍然(略微)显著。当加入另一个保险费时,保险费就会增加。 q -规格(三)中的因素。在经济上,较高的保险费 可被解释为市场和盈利因素的正负荷( t -统计数字分别=3.42和4.70;此外,还略有显著的尺寸效应( t -统计=1.74)和与投资因素的边缘显著反关系( t -统计).

桌子  九. 报告了与ff因子的交叉回归结果。用于在面板A中,我们发现:(一)市场模型中市场上的显著负负荷;(二)市场上的显著负α负荷;(三)FF3模型中的HML正负荷;(三)FF5模型中与HML正负载相关的负α负载。用于,我们发现(一)市场模型中的正α,(二)FF3模型中市场因素和HML的正载荷,(三)所有FF5因素的正载荷,对市场因素最重要。两者都是
和
 在长期杠杆作用下,系数估计值要高得多(0.51)。 t -统计数字=11.05)与短期杠杆相比(0.19, t -统计=3.25)。这一发现与地球上(和)在不同的投资组合中和 表中分别报告  七. .

Table IX. 与长期杠杆作用和短期杠杆作用相关的收益率差异的跨越性测试
我们提出了与长期杠杆和短期杠杆相关的高-低回报差的跨界回归结果。我们估计长期和短期杠杆从独立大小分类()、长期杠杆(),及短期杠杆()。每个月,我们使用纽约证交所市值中位数将公司分成两组,即大公司和小公司;独立地将股票分成三类。使用纽约证交所断点的群体在排名中的低30%、中40%和高30%;以及独立地将股票分类为三种使用纽约证交所断点的群体在排名中的低30%、中40%和高30%.把两个尺寸的交叉口,三个,及三小组,我们计算每月的价值加权回报文件夹。
(
是六高六低的平均回报率之间的差额()投资组合。表A显示的结果是
和
以及B小组,
 .在跨界回归中,我们使用FMA-法国市场、规模(SMB)、价值(HTML)、盈利性(RMW)和投资(CMA)等因素,对规范(一)和(二)进行定义,如FMA和法文(MKTRF)( 1993 )及规范规格(III),如法法及法文所界定( 2015 ). The t -统计数字(方括号内)是根据使用杜威和韦斯特的HAC标准错误( 1987 )如安德鲁斯所建议的那样选择最佳截断滞后( 1991 )。我们的样本涵盖了1976年至2019年期间所有杠杆交易所、非金融交易所、纳斯达克和AMEX公司,共计为10202家杠杆交易所提供了964,984份月度报告。
小组A:长期和短期杠杆的溢价
(i)    (ii)    (iii)    (i)    (ii)    (iii)
截取    0.04    −0.16    −0.16    0.21    0.09    −0.08
[0.32]    [−2.09]    [−1.91]    [2.52]    [1.16]    [−0.94]
Mktrf    −0.13    −0.04    −0.04    0.02    0.07    0.11
[−2.95]    [−1.82]    [−1.38]    [0.44]    [2.63]    [4.76]
小型汽车公司        −0.01    −0.03        −0.00    0.09
[−0.44]    [−0.87]        [−0.04]    [1.99]
HML        0.54    0.51        0.31    0.19
[16.66]    [11.05]        [5.73]    [3.25]
Rmw            −0.04            0.30
[−0.74]            [3.98]
中央管理局            0.08            0.22
[1.33]            [3.49]
小组:短期减长期杠杆溢价
(i)    (ii)    (iii)
截取    0.17    0.26    0.09
[1.24]    [2.04]    [0.69]
Mktrf    0.15    0.11    0.15
[3.18]    [2.80]    [3.88]
小型汽车公司        0.01    0.12
[0.11]    [2.14]
HML        −0.23    −0.32
[−4.10]    [−4.32]
Rmw            0.34
[4.47]
中央管理局            0.13
[1.30]
B小组报告短期和长期杠杆利率差额的结果,
.跨界回归(一)导致市场因素显著正负荷,使溢价微不足道。在第(二)栏中的FF3模型中,市场上的负载保持显著正数,但与此同时,α则显著正数,并与HML上的显著负数有关。

在第(三)栏的FF5模型中,对市场和盈利因素的暴露是显著正的,类似于我们关于Hxz的调查结果。 q -跨越回归因素。类似于hxz回归,有一个温和的尺寸影响。最后,在FF3回归中,我们发现了一个显著负暴露于HML因子。这些消极的hml载荷反映了我们从A小组得出的结论:
暴露于hml的程度比
.

为了控制我们的研究结果可能是由杠杆比率非常低的公司所推动的,我们重复抽样中排除了azl公司的分析,并将结果列在表格中。 IA.V 到 粮农组织七 在…中 互联网附录 .我们的结果在质量上没有变化。我们得到一个- 每月保费0.28%( t -统计=2.20)。HXZ模型完全超越了溢价,特别是对市场和盈利因素的显著正面投资。结果也是相似的,包括回归,尤其是负暴露于HML因子。在FF5模型中,我们还发现投资因素有显著的正风险。

D.发展经验证据和影响摘要
我们的实证分析表明,短期杠杆和长期杠杆对股本回报有着根本不同的影响。除了长期杠杆所需的补偿外,股东们要求短期杠杆的溢价。由于我们还发现,股东要求公司的债务再融资风险的溢价,而不是其杠杆水平,我们的证据表明,短期杠杆的溢价的经济来源是债务结转风险。 9

短期杠杆和债务再融资风险的溢价被hxz和ff模型覆盖,并带有正因子风险。这一结果与公司债务再融资需求的直接性使其股本面临系统风险的概念是一致的。当我们分析短期杠杆的溢价超过长期杠杆的溢价时,我们的研究结果是相似的,这突出表明,与长期杠杆相比,短期杠杆确实会使公司的股本面临系统性风险。这是正确的,尽管我们的发现,溢价差数显示负暴露于hml在ff回归;这是一种机械效应,反映了这样一个事实,即先前记录在案的杠杆与按市场记账(因而与HML)之间的关系,在长期而言比杠杆的短期组成部分更为明显。

一个有趣的观察是,市场因素在解释短期债务到期时的优先权方面起着重要作用。特别是,对于债务再融资风险的溢价,我们发现市场风险估计总是与最高的风险相关。 t -与HXZ、FF3和FF5模型中所有其他因素相比的统计数字。同样,短期杠杆的溢价超过长期杠杆的溢价总是表现出显著的正面作用( t -关于市场因素的统计表2.8。

正如一开始就强调的那样,我们不是在寻找新的公平因素。我们的目的是要表明,与长期杠杆相比,短期杠杆的定价存在差异,因为与长期杠杆相比,短期杠杆使公司的资产更容易受到系统性风险的影响。我们的实证结果清楚地表明,在资产回报的横截面上,存在着债务到期效应的结转风险通道,对于公司融资的基本任务,如资本结构选择和(股本)资本估计成本,有着重要的意义。在下一节中,我们在债务延期风险模型中更明确地阐述了这一论点。 2012 ).

四.模型
在本节中,我们将介绍一个基于何雄精神的滚动风险模型( 2012 ),并详细说明其资产定价对资产回报的影响。下面我们介绍这个模型的基石,并讨论其含义。详情载于  附录 .

在该模型中,公司面临系统的、特有的现金流风险,并内在地选择其最佳杠杆比率和债务再融资强度。企业的选择考虑到了以下事实:债券持有人适用流动性差,股东要求对债务结转风险进行补偿。最佳融资政策意味着公司的系统性现金流风险和杠杆之间的负关系,这是权衡模型中的标准,也意味着公司的系统性现金流风险与其再融资强度之间的正关系。我们在模拟中说明了由此产生的对预期股本回报的模型影响,从而使我们分析的主要实证结果合理化。  三::在跨部门,股本回报率(一)与杠杆比率无关,(二)债务再融资强度增加,(三)短期杠杆率增加,但长期杠杆率没有增加。

为了给模型提供外部有效性,本文对实证证据进行了解释。特别是,我们说明,该模型捕捉了其他与股票回报有关的默认风险模式,这些模式也已在先前的实证研究中记录在案。这一模型暗示,预期股本回报与违约概率呈负相关,类似于痛苦之谜(例如:、坎贝尔、希尔舍和谢拉基( 2008 ),以及与信贷风险利率正相关的(例如。、弗里瓦尔德、瓦格纳和泽克纳( 2014 )).

A.模型结构
这一部分介绍了我们公司结构模型的设置.我们讨论了公司的现金流风险的来源,它的债务结构,以及它的预期股本回报。

A.1.现金流动风险的来源
我们假设公司的现金流,
,在物理概率测量下遵循几何布朗运动,随流速度
 .类似陈( 2010 ),现金流受两个独立的布朗冲击所支配,即具有波动性的公司特有冲击
有系统的波动性冲击
,在哪里
是现金流(资产)测试版,也就是说,未杠杆股对定价风险的暴露。因此,现金流量增长的总波动性
.我们定义
作为资产风险溢价,在哪里
在衡量下现金流过程的风险中性流和
 是市场风险溢价。我们指的是 r 债务的无风险即时利率和边际税率。公司的价值,
,是
 
(11)
A.2.债务结构
跟随利兰( 1998 ),该公司致力于固定的债务结构,并在一定数量的债务上滚动。 在每个时间点; P 说明债务总额(帐面)及其再融资强度,在哪里 .跟着德马尔索和他( 2021 ),即时支付优惠券债务面值的增加 是一个常量。如在利兰( 1994 ),我们进一步假设破产成本为A,债务持有人在发生违约时接管公司,只收回一小部分无杠杆的公司价值。

以他和熊的精神( 2012 ),我们假设流动性差 l 公司债务相对于股本和其他流动资产的贴现。有充分的实证证据表明,风险较高的公司流动性利差较高,公司债券市场的流动性在不景气时期恶化。 10 我们假设债券持有人需要与系统现金流风险成正比的即时流动性差,
(12)
在哪里
 ,作为流动性风险的补偿(例如、阿查里亚和彼得森( 2005 )). 11 为了为这一假设提供直接的实证证据, 国际组织 在…中 互联网附录 显示公司的资产与公司债券的价差正相关。 12
A.3.预期股本回报
股权持有人是公司现金流的剩余索赔人。资产价值,
,由公司价值之间的差额,
以及债务的价值,
.如果
恶化到内源性的默认边界,
,然后,股东违约,什么也得不到。内源默认边界满足光滑粘贴条件,
.

由于股本是对公司现金流的一种或有要求,所以股本价值的任何变化都是由现金流的创新推动的。从资产风险溢价来看,
 ,这样就可以表达时间- t 预期超额权益回报率
(13)
在哪里
 
 
是现金流量对股本价值的敏感性.我们指的是
作为杠杆权益暴露到系统风险。
B.示范含义
为了说明预期股本回报如何与公司的杠杆和再融资强度的最佳选择相关,我们模拟了500家公司的代表性。我们通过绘制基准流动性差的参数值来产生横断面变化, l 0 以及决定现金流量风险的变量,即现金流量增长,
,现金流测试版,
以及公司特有的波动性,
 ,根据文献中使用的合理参数间隔,如表中所概述  X . 13 表格中列出的所有其他参数都是根据现有文献确定的。

表十 模型参数
这个表格列出了我们用来计算500家公司的最优融资选择的参数。我们修正所有参数除了基线流动性差, l 0 ,和那些决定现金流风险,即现金流增长,
,现金流测试版,
以及公司特有的波动性,
 .我们一致地以合理的间隔画出这些参数.对每个公司来说,我们找到了债务总额的组合, P ,再融资力度,使公司价值最大化,
.
初始现金流量    X 0    1
债务的边际税率    τ    0.2
无风险率    r    0.05
破产费用    α    0.4
基准流动性差    l 0    
系统波动性    
0.1
市场风险溢价    
0.04
现金流量增长    
现金流量测试    
公司特有波动性    
B.1最佳筹资政策
对于500家公司中的每一家,我们计算他们的最优融资政策,即债务总额的混合, P ,再融资力度,使公司价值最大化,
 . 14 与我们的经验分析一致,我们定义了杠杆比率,
,即债务帐面价值与债务帐面价值加股本市值的比率,
,
 
(14)
图形  2 说明公司的系统现金流风险,
影响其最佳筹资政策。面板A显示了传统的负面影响。
在杠杆的权衡模型中。尤其是增加
降低税收保护的现值相对于破产成本,这导致降低最佳杠杆,
.在内源性杠杆和再融资强度的设置中,再融资强度的最佳选择也取决于现金流贝塔。小组B显示一个更高的
导致美元的增加,即债务到期日缩短。为了提供这种效果的直觉,考虑无违约债务的价值.对于这笔债务,折现系数是
包括流动性差,
.因为流动性差幅减少,公司减少债务到期日的动机增加。
 因为这降低了流动性成本的现值。因此,由于企业的最佳杠杆和成熟度选择既取决于系统的现金流风险,又有相反的迹象,该模型意味着在跨部门中,高(低)杠杆企业往往有较低(高)的再融资强度。 15

详情在图片后面的标题中
图2
在图形查看器中打开
幻灯片
现金流量测试和最佳融资选择 .我们计算了500家公司的最优融资选择。我们修正所有参数除了基线流动性差, l 0 ,以及那些决定现金流风险,即现金流增长,
,现金流测试版,
以及公司特有的波动性,
 .我们一致地以合理的间隔画出这些参数.桌子  X 提供参数选择的详细信息.对每个公司来说,我们找到了债务总额的组合, P ,再融资力度,使公司价值最大化,
.小组图A现金流测试版,
反对杠杆,
,B小组绘制现金流测试版,
,反对再融资强度,

B.2.对股本回报的影响
在确定了企业的最佳融资政策之后,我们现在来谈谈股本回报的影响。图形  3 显示了预期股本超额回报之间的关系,
 ,而在模拟公司中,杠杆比率和再融资强度与我们在各节中的经验关系相似。  三 . A 和 三.B .小组A认为,股权回报与杠杆率的关系很弱,就像我们的实证分析中的微不足道的杠杆溢价。在模型中,杠杆和股本风险之间的这种几乎平坦的关系是由于公司的股权现金流敏感性与系统现金流风险之间的对立杠杆关联所造成的
 .换言之,高杠杆率公司的股本对现金流冲击非常敏感,但选择高杠杆率的公司的现金流风险相对较低(如图所示)  2 ).

详情在图片后面的标题中
图3
在图形查看器中打开
幻灯片
杠杆、再融资强度和股本回报 .这一数字显示了公司最佳融资选择对股本回报的影响。我们计算了500家公司的最优融资选择。我们修正所有参数除了基线流动性差, l 0 ,以及那些决定现金流风险,即现金流增长,
,现金流测试版,
以及公司特有的波动性,
 .我们一致地以合理的间隔画出这些参数.桌子  X 提供参数选择的详细信息.对每个公司来说,我们找到了债务总额的组合, P ,再融资力度,使公司价值最大化,
.在A小组,我们设计杠杆,
,相对于股本的超额回报,,在B小组中,我们设计了再融资强度,约为1,000元,以防止股本收益过剩,.

面板B显示,股本回报增加了再融资强度。在标准的结转风险模型中,对于任何级别的杠杆,公司都希望发行长期债务以避免结转损失。然而,在我们的设置中,系统现金流风险高的公司面临着特别高的流动性利差长期债务(如上所述),这破坏了公司的价值。因此,除了降低杠杆率外,具有高系统现金流风险的模范公司发现,相对于长期债务而言,使用更多的短期债务是最佳选择。这一效应减少了流动性利差造成的呆滞损失,但增加了(预期)资产的结转损失。因此,再融资强度与股本回报率呈正相关关系,因为这直接关系到股权受到系统性冲击的影响。就这样,该模型为我们的经验结论提供了一个理论依据,即系统风险因素所覆盖的债务再融资风险的显著正溢价。

为了说明杠杆率和债务到期日对预期股本回报的共同影响,我们遵循我们的经验方法,利用公司的杠杆率和再融资强度,将总杠杆率分解为短期和长期杠杆。也就是说,我们定义短期杠杆,
,以及长期杠杆作用,
,如此
.

图形  4 显示长期和短期杠杆对我们模型中的预期股本回报有相反的影响。短期杠杆的回报率与短期杠杆率的正相关性很强,而长期杠杆率的正相关性则相对较弱。这些预期回报模式类似于图中的经验投资组合回报。  1 与本节报告的短期和长期杠杆的差别定价相一致  三 . C .根据经验,长期杠杆的股票回报率趋于下降,尽管与长期杠杆相关的溢价与零并无显著差别。相比之下,与短期杠杆相关的溢价是显著正的。

详情在图片后面的标题中
图4
在图形查看器中打开
幻灯片
长期杠杆、短期杠杆和股本回报率 .这一数字显示了公司最佳融资选择对股本回报的影响。我们计算了500家公司的最优融资选择。我们修正所有参数除了基线流动性差, l 0 ,以及那些决定现金流风险,即现金流增长,
,现金流测试版,
以及公司特有的波动性,
 .我们一致地以合理的间隔画出这些参数.桌子  X 提供参数选择的详细信息.对每个公司来说,我们找到了债务总额的组合, P ,再融资力度,使公司价值最大化,
.在小组A中,我们设计长期杠杆,
,相对于股本的超额回报,,在哪里
是总杠杆率和资产负债率是再融资强度,在B小组中,我们绘制短期杠杆,
,相对于股本的超额回报,.

总体而言,我们的模型强调了杠杆和债务到期选择的内生性在理解杠杆相关股权风险溢价方面的重要性。

C.违约概率和信用风险溢价
作为对我们模型的外部有效性检查,我们使用模拟数据来探索以往实证研究所记录的其他股票回报(默认风险相关)模式。

首先,我们研究了模型中的预期股本回报率和违约概率之间的联系。有充分的实证证据表明,衡量破产和危难风险的措施与股票回报呈负相关(例如:、迪切夫( 1998 )、坎贝尔、希尔舍及西拉基( 2008 ),通常被称为"危难之谜"的发现。我们的模型确实符合这一经验观察,即公司违约概率的预期股本回报减少,如图A小组所示  5 .在模型中,这种负关系是由于杠杆率的违约概率增加,这是结构性信贷风险模型中的标准,但再融资强度降低,如图所示  IA.1 在…中 互联网附录 .这些模型暗示的关系可以激发人们对违约概率在回报中的作用进行新的研究。例如,未来的研究可能会很有意思,以便在危难之谜的背景下考虑债务到期的影响。 16 这一分析将进一步受到我们的模型的推动,如图所示,信贷风险溢价(定义为风险中性和实体违约概率的(日志)差异)减少了杠杆率,但增加了再融资强度。  IA.2 在…中 互联网附录 .换言之,杠杆率和再融资强度在相反的方向影响着违约概率和信用风险溢价。

详情在图片后面的标题中
图5
在图形查看器中打开
幻灯片
违约概率、信用风险溢价及股本回报 .这一数字显示了公司最佳融资选择对股本回报的影响。我们计算了500家公司的最优融资选择。我们修正所有参数除了基线流动性差, l 0 ,以及那些决定现金流风险,即现金流增长,
,现金流测试版,
以及公司特有的波动性,
 .我们一致地以合理的间隔画出这些参数.桌子  X 提供参数选择的详细信息.对每个公司来说,我们找到了债务总额的组合, P ,再融资力度,使公司价值最大化,
.在面板A中,我们绘制物理默认概率的日志,
,相对于股本的超额回报,,在B小组,我们绘制信用风险溢价,定义为风险中性和实际违约概率的(日志)差异,
,相对于股本的超额回报,.

第二,图B进一步显示  5 在我们的模型中,预期的股本回报增加了信贷风险率。这一结论与经验证据一致,即股票回报与公司债券等信贷工具中的风险溢价正相关。、坎佩洛、陈和张( 2008 )及信用违约掉期(例如:、弗里瓦尔德、瓦格纳和泽克纳( 2014 )).

综上所述,我们的模拟证据表明,该模型成功地解释了股权回报横断面与风险相关的经验模式。

V. Conclusion
本文研究了债务到期日在资产回报中的作用。我们将公司的杠杆比率分解为短期杠杆和长期杠杆,即未来三年到期的债务和超过三年到期的债务所产生的杠杆。我们的实证分析表明,与短期和长期杠杆相关的股本溢价有根本性的不同:短期杠杆的股本回报增加,但长期杠杆的回报却没有增加。溢价差幅(控制规模效应)每年约为3.2%,反映短期和长期杠杆对股票的系统性风险暴露。

我们认为我们的发现与债务结转风险的概念是一致的。具体而言,股东要求短期债务与债务总额比率较低的公司的股票有溢价,因为它们的债务再融资风险较高。根据经验,在控制规模和杠杆效应之后,我们提供了这样一种债务再融资风险溢价的证据。在概念上,我们显示我们的实证研究结果与我们从何和熊的精神下的转期风险模型中得出的股权定价影响是一致的( 2012 ).

为了建立与债务再融资风险和短期杠杆相关的优先权的实证结果,我们使用了经验性资产定价文献所推广的投资组合排序技术。我们也使用这种方法来说明债务再融资风险如何使股票暴露在文献中提出的风险因素之下,以及这些因素对短期和长期杠杆率的影响如何不同。我们的研究结果表明 q -HXZ因数模型和FF5模型中,系统风险属性的最大差异是由于短期杠杆的溢价比长期杠杆的溢价更容易受到市场和盈利风险的影响。

这些发现对公司财务应用具有重要意义。我们的研究结果表明,股东对债务再融资风险进行定价,公司在选择债务到期结构时应考虑到这一点。结果还意味着,公司资本成本估算中的杠杆调整不应仅考虑杠杆水平,还应考虑其相对于长期债务的短期基本构成。公司的杠杆越短期,其股本就越昂贵。