不确定性和投资的动态关系bloom,bo

UncertaintyandInvestmentDynamics

作者：NICKBLOOMSTEPHENBONDJOHNVANREENEN

Journal:ReviewofEconomicStudies

IssueDate:

本文表明，随着（部分）不可逆性，较高的不确定性降低了投资对需求冲击的响应。不确定性增加了实际期权价值，使企业在投资或撤资时更加谨慎。这点通过一个具有丰富的调整成本、时变不确定性、投资决策、时间的聚合，含有公司小组的模型得到了证实。不确定性的这些“警告效应”是很大的，从不确定性分布的低四分位数到上四分位数，通常会使第一年对需求冲击的投资反应减半。这意味着，在诸如年石油危机和年9月11日之后的高度不确定性时期，企业对任何特定政策刺激的反应可能要弱得多。

最近对不确定性条件下的投资的理论分析强调了不可逆性在产生“实际期权”(例如。迪克西特和平迪克，年)。在这些模型中，不确定性增加了投资的成本和取消投资的成本之间的区别。这增加了投资为零的不作为范围，因为公司更喜欢“观察和等待”，而不是采取具有不确定后果的昂贵行动。简而言之，投资行为将变得更加谨慎。

公司级的数据对于调查不确定性对谨慎程度的影响具有吸引力，因为不确定性可以通过股价波动性观测(例如。莱希和怀特德，年)。然而，使用公司数据直接测试不确定性下投资的真实期权模型的一个重要困难是，对年度合并账户进行零投资的观察结果极其罕见。如果我们相信这些公司每年都要做出单一的投资决策，那么缺乏零投资将会拒绝单一投资决策的典型实际期权模式。然而，鉴于在更细分的工厂级别数据中广泛存在零投资(例如Doms和Dunne,年)，这种在公司级别上缺乏零的情况暗示了我们应选用的资本、生产单位和时间类型的聚集模式。

先前的研究存在一个问题：不确定性和不可逆性对短期投资动态的影响能否在企业层面投资支出的计量研究中检测到。为了研究这个问题，我们开发了一个公司投资决策模型，该模型允许两种类型的资本，调整成本的丰富规格，时变的不确定性，收入功能的替代功能形式，以及随着时间和生产单位的广泛聚合。我们对该理论模型进行了数值求解，并对企业层面的面板数据进行了模拟。我们以两种方式使用这些模拟数据。首先，在此框架下，我们直接分析了企业投资动态的两个属性。一是如上所述的较高不确定性对投资决策谨慎程度的影响。我们表明，在(部分)不可逆性下，给定企业层面的需求冲击对投资的影响效应对于不确定性较高的企业往往较弱。我们还表明，投资对需求冲击的反应趋向于凸性，因为更大的冲击促使企业投资于更多类型的资本和更多的生产单位。。

我们还使用我们的模拟数据表明，这两种影响都可以通过使用简单相关动态计量经济模型来检测复杂企业层面投资动态。本文的出发点是一个投资的误差修正模型(ECM)，该模型在企业层面的研究中得到了广泛应用。首先，实际销售增长与测量的不确定性之间的相互作用，检验在较高不确定性水平下，投资对需求冲击的更谨慎回应。第二，非线性销售增长项测试投资对需求冲击反应的凸性。对模拟面板数据的广义矩估计表明，我们可以拒绝投资对需求冲击的共同线性响应的零假设。

接下来，我们应用相同的计量经济学方法来研究在-年期间，家公开上市的英国制造业公司样本的投资行为，选择这些公司是因为需要在这一时期英国投资和撤除投资活动的详细报告。我们发现，受更大不确定性影响的公司的投资行为更谨慎，以及投资对实际销售增长具有凸效应。虽然公司投资动态中的这些模式可能有其他解释，但我们的结论是，大公司的投资行为与部分不可逆性模型是一致的，在该模型中，不确定性抑制了投资对需求冲击的短期调整。

最后，使用我们估计的计量经济学模型进行的简单模拟表明，观察到的不确定性波动可以在投资决策中塑造企业水平方面发挥重要的经济作用。例如，我们发现不确定性的标准偏差增加可以减半需求冲击对公司投资的影响效果，如年9月11日和年石油危机后的时期。

虽然我们没有对劳动力需求的行为进行建模，但类似的劳动力雇佣和解雇成本的存在意味着不确定性的增加，也会使就业对需求冲击的反应更加谨慎。这表明，在高不确定性时期，企业对货币和财政刺激的反应通常较弱。

1.模拟不确定性下的投资动态变化

MRPC:资本边际收益函数：当其大于资本成本+投资期权价值，公司会选择投资

当期小于撤资成本-撤资期权价值，公司会选择撤资，在两个阈值之间时，公司不会做任何事。而在不确定性水平较高时，期权价值会增加，这说明具有不确定性时，公司会更少的选择投资和撤资。

表1数据来自了家英国制造公司的样本

从中可以得到：将一个公司（FRIMS）越细化，其中投资为0的比例就越大。所以我们要考虑一个公司中各种类型产品和和各个大小生产单元的投资行为，并且随着时间的推移存在聚合。这些生产单位经历特殊的单位水平需求冲击以及共同的行业水平需求冲击。我们想要得到的结论主要有两条：1、在较高的不确定性水平上，公司投资对需求冲击的反应应该更低。2、投资响应对正需求冲击是凸的，对负需求冲击是凹的。

在构建模型时，我们假设一个公司拥有个的生产单元。个单元的输出都面临着一个等弹性的需求曲线，都使用劳动力和两种资本来生产。劳动力的调整成本较低，而这两种类型的资本的调整成本都较高。假设每个生产单元的收入函数为

X为需求和生产条件的结合，简称为需求条件，并可以用来表达。所以原式可以改写为

我们假设

而P又可以写为

PU表示生产单位级别的需求条件，PF表示公司级别的需求条件。生产单位水平的需求条件随着时间的推移呈现出随机游走趋势：

这里μ(σt)是生产单位级需求条件中的平均漂移项，σt是生产单位级需求条件的方差，σ?是长期的σt均值，ρσ是对这个均值的收敛速度，σ?2是对这个方差过程的冲击。Vt?U和Wt分别是对单位级需求和方差条件的冲击。PF同理：

假设K1和K2是两种不同的资产，K1的调整成本更高，K2的调整成本较低。我们假设为50%和20%。我们假设新投资的资本立即进入生产，这两种资本的年化折旧率为10%，并且公司的年化贴现率为10%。公司追求的最优化问题可以表示为

其中r为贴现率，δ为折旧率，E[·]为期望，Ijt为t时间j型(j=1,2)资本投资，Kjt为j型资本存量。

如果设：

则有

同时除以K1减少变量数量。模拟数据是通过取最优投资函数的数值解，并以每月的频率输入需求和不确定性冲击来生成的。

从图中主要可以得出两个结论：第一个含义是，在较高的不确定性下，投资对需求冲击的短期反应将较低，这表明在较高的不确定性水平下，这些响应函数的斜率较低。第二个含义是，投资对需求冲击的短期响应是非线性的，对于正向需求冲击是凸的，对于负向需求冲击是凹的。

2..对经验规范评估

目前我们无法确定两件事：1.销售额（y）是否能代表需求条件，资本收益方差是否能代替不确定性。2.我们没有考虑无调整成本的资产类型，这样做是否会对结果产生误判。我们从一个简单的误差修正模型开始。BLOOM在年提出一个公司在部分不可逆性下选择的实际股本系列具有的长期增长率等于同一公司在无成本可逆性下选择的假设股本系列的长期增长率。故而二者的对数存在协整关系，即：

首先K是真实的资本存量，K*是无调整成本时应该出现的资本存量，Y是公司的销售额。A*和B*分别是时间维度和公司维度的没有被我们观察到的潜在影响因素。将上面两个式子合并，并建立对应的误差修正模型得到：

其中关键的参数为误差修正项的θ，如果他为正那么其资本存量低于其目标时将会向上调整，反之亦然。而资本增加率的变化值可以大致写为：

δ为折旧率。为了检验不确定性对需求冲击影响效应的影响，我们在不确定性度量SD和当前销售增长?logY之间添加了一个交互项。这一互动项的负系数将表明，在较高的不确定性水平下，投资对需求冲击的短期反应确实较低。为了考虑不确定性对短期或长期资本存量水平的其他可能影响，我们还考虑了我们衡量不确定性的变化?SD和水平levelSD。为了探究短期内需求冲击对投资的影响是否存在非线性，我们添加了（?logY）?2.则最终用来做回归的误差修正模型为：

首先我们用之前的假设模型生产出家公司15年的数据。零售额Y通过收入函数获得。月度资本回报通过价值函数获得，并进一步计算出其方差SD，用来反映不确定性。

各个变量的相关系数如图所示，需求和零售额的相关系数为0.，不确定性和资本回报方差的相关系数为0.。但文章只说了此结果支持将资本回报方差作为不确定性的经验度量，没有提到需求和销售额的关系。接下来对之前的误差修正模型进行回归。

第一列使用了真实的P作为需求条件。真实的σ作为不确定性。得到结论：1..不确定性会改变需求对投资的影响程度。2.需求冲击对企业投资影响具有明显的凸性。且明显具有短期的误差修正过程。第二列使用销售额Y来代替P，资本回报方差来代替SD。并且因为Y和P为内生变量采用了GMM方法估计。得到结论：不确定性会改变需求对投资的影响程度。需求冲击对企业投资影响具有明显的凸性。在第三列和第四列中，文章分别将需求条件的水平漂移项设置为

和

这样资本的边际收益就会随着不确定性的增加而而增加或减少。在第三列中可以得出：不确定性水平对长期资本量产生了积极的长期影响。而且还可以检测到不确定性对投资对需求冲击的短期响应的负面影响，以及这些短期响应的凸面形状。在第四列中可以得到：不确定性水平对长期资本量产生了消极的长期影响。这与第三列的结果不同。这表明了不确定性的长期影响在理论上是模棱两可的，需要经验性地确定。

3.1稳健性检验

接下来检验如果将受益函数和调整成本更换类型，是否还能得到原来的结果。

3.2一个不变替代弹性的模型

利用此收入函数替代上文的收入函数。构建相同的误差修正模型进行回归。得到结果如图中第一列所示：我们再次发现，投资对需求冲击的短期反应是凸的，较高的不确定性降低了需求冲击对投资的这种影响效应。在销售增长平方项上也产生了一个显著的正系数，在不确定性交互项上产生了一个显著的负系数。这表明，在更换收入函数后，原来的结果仍是可以得到的。

3.3调整成本的其他类型

Fixeddisruptioncosts:（固定中断成本）：当新的资本被添加到生产过程中时，停产的时间可能会导致固定的产出损失，无论投资多大这种损失都会发生。我们假设任何一种资本的调整的固定成本都是年销售额的5%。Quadraticadjustmentcosts:（二次调整成本）：成本函数中含有投资率的二次项，即

第二列只用固定中断成本回归出的系数。在这种情况下，我们发现较高的不确定性对需求冲击对投资的影响变为正向，与其他情况相反。

产生这种积极影响的原因是，在固定成本下，投资是作为一个跳跃过程进行的，所确定的投资水平是为了使P/K1和P/K2在其阈值之间达到目标水平，而不是在部分不可逆转的情况下将其持续保持在其投资阈值。当不确定性上升，阈值进一步分离时，这一目标水平移动较少，因此目标与投资阈值之间的差距增加，达到目标所需的投资数量也增加。不确定性对每个投资单位投资水平的这种积极影响抵消了不确定性对投资单位数量的负面影响，导致不确定性对我们仅用固定成本模拟的投资对需求冲击的反应产生积极影响。

第四列使用了二次调整成本函数，在这种情况下，我们发现在较高的不确定性水平上，投资对需求冲击的响应较小。但在短期响应中，同样没有明显的非线性迹象。同样，这些结果表明，短期投资动态的这些特性对调整成本的类型很敏感。在本实验中，我们还发现不确定性对降低资本存量水平有很强的长期影响。

而第四列和第五列我们将前三种调整成本函数进行了结合，第四列用了OLS回归方法，而第五列用了GMM回归方法。二者的结果都发现较高的不确定性都会使需求对投资的影响变小。

4.实际公司数据

在本节中，我们想研究我们的理论预测是否适用于实际的公司数据。我们选取了-年之间的家公司。我们一公司一年之中的股票回报率标准差SD作为不确定性的度量指标、固定资产投资是净资产销售收入计算的、资本存量衡量标准是使用公司净固定资产库存的账面价值进行基准，在利用一个永久库存公式进行校正。实际销售是使用总GDP平减指数从名义销售额中获得的，现金流量按报告的税后收益加计提折旧扣除额计量。

我们在原来的误差修正模型中添加了两个新的控制变量：现金流和滞后现金流，在微观经济计量投资方程式中，这些术语往往是信息丰富的，并可能反映融资的限制，对未来需求增长或盈利能力的预期，或者更一般的测量误差或规格错误。

在我们的案例中，这些现金流条款在统计上是显著的。在第一列我们发现，误差修正项上的关键系数是正确的，并且具有统计学意义，这表明从长远来看，公司将其资本股票调整到与实际销售成正比的目标。第二列加入了真实销售额的平方项，我们发现在实际销售增长的水平和平方上都有显著的正系数。第三列在加入了一组不确定性的相关变量。包括不确定性的变化程度，绝对值还有和需求冲击的交叉项。这里的主要结果是相互作用项上的显著负系数。但不确定性绝对值不显著。故而在第四列中删除此项，发现不确定性短期效应的系数很小。故而在第五列继续删除。

因此，不确定性对公司投资行为的唯一影响是与当前实际销售增长的相互作用。

5.量化不确定性的影响

为了量化不确定性带来的具体影响。我们用表五中的第五列的公式进行了简单模拟。

我们观察在不同的不确定性影响下，如果公司的销售增长2.5%，公司的投资率会如何变化。在这里，我们发现，在我们的不确定性度量的分布中，从第三个四分位数到第一个四分位数的移动使影响加倍，而从90%的不确定性到10%的不确定性使投资率增加了四倍。不确定性的这种实质性影响类似于我们在2.3节中报告的校准模拟模型的结果。

这表明，诸如年9月11日和年代石油冲击等重大冲击的不确定性增加可能会严重降低投资对货币或财政政策的反应能力。

虽然不同程度的不确定性下资产水平的差距会随着时间缩小，即使在10年之后，在不同的不确定性水平上，为应对同样的需求冲击而预测的资本存量增长之间仍然存在明显的差异。

本文对于部分不可逆性的资产调整成本有两个重要结论。首先，投资将在更高的不确定性水平下更谨慎地应对特定的需求冲击（由于不作为区域的阈值更大），第二，投资将凸出地响应正的需求冲击

通过数值和计量经济学模拟，我们表明这些影响在经济上很重要——在不确定性的分布中，从第三四分位转移到第一四分位的投资反应增加了两倍，从90%转移到第十百分位增加了四倍。实证结果表明，大型制造企业的短期投资动态与部分不可逆模型的预测是一致的，其中较高的不确定性降低了需求冲击对投资的影响。

在今后的工作中，我们计划在这一研究的基础上，至少有三个进一步的方向。首先，通过研究不确定性研究在调整其他生产要素的影响，如劳动力、研发以及信息和通信技术时，投资对需求冲击的反应变化。第二，在时变不确定性、多生产要素和广泛聚集的情况下，对调整成本参数进行了全模拟的矩估计方法。最后，利用这种方法研究不确定性对微观和宏观活动水平和分布的影响。