研发溢价？资产定价模型是否公平？

CAPM解释了多元化投资组合中大约三分之二的回报变化，自从它出现以来，学术研究一直试图寻找增强股票横截面回报解释力的模型。模型不像相机那样提供世界的精确复制品。如果模型完全准确，它们就会成为定律，就像物理学中的定律一样。相反，模型是促进我们理解市场如何运作和价格设定的引擎。

随着新研究结果的发表，我们从单因素 CAPM（市场贝塔值）转向三因素 Fama-French 模型（增加规模和价值）、卡哈特四因素模型（增加动量）、张璐的模型q因子模型（贝塔、规模、投资、盈利能力）、Fama-French 五因子（为q因子模型增加价值）和六因子模型（为q因子模型增加价值和动量）。还有一些版本使用不同的盈利能力和价值指标，以及Stambaugh 和 Yuan 的基于错误定价（异常）的模型。经验证据表明，无论使用何种模型，研发费用较高的股票都会产生溢价。随着经济从制造业为主转向服务业和知识为主，研发等无形资产变得越来越重要。

例如，2020 年研究《研发异常：风险还是定价错误？》的作者 Woon Sau Leung、Khelifa Mazouz 和 Kevin Evans 使用研发强度（研发相对于市场价值）的衡量标准。，”发现平均回报率在统计上显着单调增长，从投资组合 1（最低十分之一）的 0.67% 增加到投资组合 10（最高十分之一）的 2.23%。他们还发现，在调整规模、价值和动量效应后，溢价仍然存在。此外，零成本利差投资组合（投资组合 10-1）每月产生的 Carhart 四因子 alpha 为 1.35%，Fama French 五因子 alpha 为 1.52%，两者均在 1% 的水平上显着——研发异常无法用现有定价（包括相对近期的投资和盈利因素）来解释。

Leung、Mazouz 和 Evans 还发现：

“研发溢价与总股息收益率的创新呈正相关，与违约利差和无风险利率的冲击呈负相关，这表明研发股票对预测未来商业状况的变量的敏感性。此外，这三个状态变量创新的负载在研发股票回报的横截面中显着定价，甚至排除了规模和账面市值比因素。这些结果表明，研发溢价代表了承担跨期风险的显着且增量的回报。”

他们对研发效应基于风险的解释的发现与 2020 年 3 月研究“错误定价还是风险溢价？”的作者 Jangwook Lee 和 Jiyoon Lee 的研究结果一致。研发到市场异常现象的解释。它们也与 Jonathan Berk、Richard Green 和 Vasant Naik 的基于风险的理论预测一致，他们是 2004 年研究“新企业的估值和回报动态”的作者，他们解释说：

“公司在整个生命周期中了解项目的潜在盈利能力，但研发工作本身只能通过公司的额外投资来解决。”

结果是，与最终现金流相关的风险具有系统性成分，而纯粹的技术风险则具有特殊性。

在一项样本外测试中，《企业研发与股票回报：国际证据》研究报告的作者 Kewei Hou、Po-Hsuan Hsu、Shiheng Wang、Akiko Watanabe 和 Yan Xu 发表在《华尔街日报》2022 年 6月号上财务与定量分析系，研究了国际股票市场研发的横截面回报可预测性。他们的发现与之前的研究一致。例如，在全球排序中，等权重（价值加权）回报率中排名前五位的投资组合每月的表现优于排名靠后的五位投资组合 1.024% (0.537%)。等权重利差比价值权重利差更为显着的发现表明，规模较小的企业中，更密集的研发投资所带来的更高的后续回报更为明显。他们还发现，研发效应无法用资产定价模型中使用的普通股因素（包括市场贝塔系数、规模、价值和动量）来解释。

新研究

发表在《投资杂志》2023 年 8 月号上的研究报告《研发溢价：价值的无形面》的作者李才、瑞奇·库珀和何迪研究了研发投资与超额收益之间的关系。他们的数据样本涵盖 1978 年 7 月至 2018 年 6 月期间，包括在纽约证券交易所、美国证券交易所和纳斯达克交易的所有普通股，不包括公用事业和金融行业的股票。他们选择 1978 年是因为研发费用报告在 1974 年实现了标准化，并且他们的研发变量是使用当前和前四年的研发支出计算的：

RDC（研发资本）和 RDE（研发支出）均代表美元支出生产率的 20% 定期摊销。他们选择每年比率高于中位数的股票，使用五种高度相关的研发强度指标构建研发密集型投资组合（RDI）。比率低于研发强度中位数的股票和未报告研发的股票被纳入“其他”投资组合。以下是他们的主要发现的摘要：

近年来，中位数公司将其收入的约 5% 投入研发，而 40 年前仅为 1%。
RDI 投资组合的月平均回报率为 1.74%，而其他投资组合的月平均回报率为 1.10%。在 5% 置信水平下，0.64 个百分点的差异具有统计显着性。几何回报率分别为19.17%和11.65%。RDI 投资组合的夏普比率为 0.68，而其他投资组合的夏普比率为 0.48。
RDI 投资组合的账面权益与市场权益比率为 0.63，而其他投资组合的账面权益与市场权益比率为 0.76。相对于三因子、四因子和五因子模型，RDI 投资组合的价值因子 (HML) 负载荷为 -0.20、-0.29 和 -0.20，在 1% 置信水平下均具有统计显着性。
相对于三因子、四因子和五因子模型，RDI 投资组合产生的每月 alpha 分别为 0.52%、0.71% 和 0.81%，在 1% 置信水平下均具有统计显着性。
RDI 投资组合的阿尔法在所有三个模型和所有四个十年中都持续存在，尽管它们在围绕“科技泡沫”的十年（1998 年 7 月至 2008 年 6 月）中最为强劲。然而，阿尔法在过去十年（2008 年 7 月至 2018 年 6 月）不再显着。
在五因子模型中，RDI 投资组合的盈利因子负载为 -0.73 ，在 1% 置信水平下具有统计显着性。
RDI 投资组合的 10 个最大跌幅范围为 -19% 至 -60% (6/30/07-2/28/09)。在这 10 个案例中，有 9 个案例的回撤幅度大于标准普尔 500 指数的回撤幅度，最大差距为 19 个百分点。
研发投资组合是一种增长战略，为价值战略（倾向于购买拥有廉价有形资产的公司）提供了天然的对冲。
研发投资组合和价值投资组合的简单 50/50 组合产生了强劲而稳定的业绩（这两种策略是互补的），从而产生了比单独价值投资更好的夏普比率。五年期间，RDI 的夏普比率平均为 0.69，有 12 个负面观察，而价值投资组合的夏普比率为 0.71，有 38 个负面观察。相比之下，简单混合策略的夏普比率仅在四个观察中为负，平均比率为 1.26。使用风险平价策略，结果甚至更好——虽然平均回报率下降，但波动性进一步下降，夏普比率为 1.46。

在双重排序投资组合（使用前五分之一的具有高 RDI 和低估值的股票）上，结果甚至更为强劲。首先按 RDI 排序，然后按价值排序，年化回报率为 24.5%，夏普比率为 0.95。首先按价值排序，然后按 RDI 排序，年化回报率为 17.3%，夏普比率为 1.12。每月五因子 alpha 分别为 1.01% 和 0.84%。

蔡、库珀和何得出的结论是：

“我们的结果表明，价值投资者可以在不承担额外风险的情况下获得研发溢价。在研发密集型投资组合的基础上增加价值策略可以降低波动性，但也有可能提高投资者的回报。” 他们补充道：“这种策略保持了较低的再平衡成本，因为研发和价值都是粘性的。”

投资者要点

基于研发支出与未来股票回报之间显着正相关关系的发现以及对研发效应的基于风险的解释的支持，实证研究表明智力资本，特别是研发，在资产定价中具有根本性的重要作用——更高的回报率高研发股票代表了对标准资产定价模型中未捕获的系统性风险升高的补偿。因此，我们可以得出结论，经验证据表明研发溢价在所有模型中仍然是异常现象。另一个要点是，研发支出增加这一事实凸显了无形资产日益重要的作用从 1975 年占公司支出的 1% 到 2018 年的 7.5%，2015 年服务业占 GDP 的份额在高收入国家为 74%，在全球略低于 69%。

Larry Swedroe 是白金汉财富合作伙伴（Buckingham Strategy Wealth, LLC 和 Buckingham Strategy Partners, LLC 的统称）的金融和经济研究主管。