隐性变量测算在动态调整理论中的运用-倍发科技.PDF

隐性变量测算在动态调整理论中的运用 ESTIMATING AN UNOBSERVED VARIABLE: AN APPLIACTION IN DYNAMIC ADJUSTMENT THEORY 倍发科技 说明： 本文档中的信息属于商业机密信息，如无倍发科技有限公司的书面许可，任何人都无权复制或利用。 www.B 1 info@ 简介 本文将介绍一种对公司债务融资理论中动态调整模型（dynamic trade-off model）的实证检验方法。动态 调整模型的实证在过去通常是很困难的，因为模型中包含的目标杠杆率（target leverage）在现实中是不 可观测的，而如果确实存在这样一种目标杠杆率，那么我们就需要用一些数据方法对其进行估计。在本文 中，我们将使用动态空间模型方法（state-space modeling approach）来实现这一目标。 模型分析 通常来说，动态调整模型是沿着这样的思路建立起来的，即企业无法即时地知晓自己最优的目标杠杆率应 该是多少，这使得他们不得不不断调整自己的负债权益比（debt-equity ratios）。也就是说，企业会根据 上一期企业真实负债权益比与目标负债权益比之间的差异，来估计企业在下一期的最优负债权益比。这样 的动态调整我们可以用下面的式子表示： * ( ) （1） ΔDi,t =γ i Di,t − Di,t −1 + ei,t 其中， 是第 i 个公司在 t 时期的真实负债权益比，而 则是其目标负债权益比，∆是差分算子，是局部 , , 调整系数，且0 ≤ ≤ 1，而 是回归误差项。 由于目标负债权益比是无法直接观测的，那么我们也就不能直接对（1）式进行检验。所以，我们需要找到 一个方法实现对目标负债权益比的估计。对（1）式进行一个简单的调整，得到： * Di,t =γ i Dit + (1−γ i )Di,t −1 + eit （2） （2）式表明，如果我们的局部调整系数是可信的，那么显然真实负债权益比是其历史负债 权益比和目标负债权益比的加权平均值，如果 是可得的，则只要检验 和对进行线性回归的斜 , 率系数（相加为 1），就能实现对（2）式这个动态调整模型的检验。 2 在这里，我们使用卡尔曼滤波方法（Kalman filter technique）来估计不可观测的目标负债权益比。首先 我们假设 符合 AR （1）过程，这样我们可以得到如下的状态空间模型 （state-space model）： , Di,t = ei,t + [γ i 1−γ i ] ⎡ D * ⎤ i,t （3） ⎢ ⎥ D ⎣ i,t −1 ⎦ * * ⎡ Di,t ⎤ ⎡φ 0 ⎤ ⎡Di,t −1 ⎤ ⎡ui,1t ⎤ ⎢ ⎥= ⎢ ⎥⎢