“学海拾珠”系列之七十一：企业员工流动对股票收益的影响

敬请参阅末页重要声明及评级说明 证券研究报告 企业员工流动对股票收益的影响 ——“学海拾珠”系列之七十一 [Table_RptDate] 报告日期：2021-12-06 [Table_Author] 分析师：严佳炜 执业证书号：S0010520070001 邮箱：yanjw@hazq.com 联系人：吴正宇 执业证书号：S0010120080052 邮箱：wuzy@hazq.com [Table_CompanyReport] 相关报告 1. 《凸显效应对股票收益的影响——“学海拾珠”系列之六十三》 2. 《基金的“择时”选股能力——“学海拾珠”系列之六十四》 3. 《基于分析师目标价格及相对估值的 策 略——“学 海 拾 珠”系 列 之 六 十五》 4. 《基金流动性不足会加剧资产价格的脆弱性吗？——“学海拾珠”系列之六十六》 5. 《财务受限，货币政策冲击和股票横截面收益之间的关系——“学海拾珠”系列之六十七》 6. 《基金组合如何配置权重：能力平价 模 型——“学 海 拾 珠”系 列 之 六 十八》 7. 《持仓技术相似性与共同基金业绩——“学海拾珠”系列之六十九》 8. 《双重调整法下的基金业绩评价——“学海拾珠”系列之七十》 主要观点： [Table_Summary] 本篇是“学海拾珠”系列第七十一篇，本期推荐的海外文献研究了员工流动和股票回报之间的关系。普通员工正日益成为许多公司关键的生产要素，这些变化表明企业劳动力的动态变化对企业绩效具有重要影响。然而，我们关于员工的进入和退出对公司股价的影响知之甚少。如果投资者认为劳动力流动所传达的信息已被其他数据源充分涵盖，则他们在对证券进行估值时可能会忽略这些动态。回到 A 股市场，关于员工流动信息和股票收益之间关系的研究非常罕见，作为较为另类的数据，无论是作为因子还是事件加入选股模型中都能提供一定的增量。 ⚫ 劳动力流动可以预测未来的股票回报 作者在事件时间和日历时间投资组合分析中都观察到了这一证据。在事件分析中，作者研究发现公司在决定开始发行股票后会获得长期累积异常回报。对于日历时间分析，作者使用了常用的因子模型，例如 Fama-French 三、四和五因子模型，并表明基于公司劳动力流动的月度交易策略会产生显著的异常股票收益。 ⚫ 做空（做多）净劳动力流出高（低）公司股票的交易策略会产生显著的正异常股票回报 关于投资组合异常回报的结果在各种测试条件中都是稳健的，作者在不同的因子模型中、不同时间窗口下以及等权重和市值加权的投资组合中均能观察到正 alpha。 ⚫ 普通劳动力流动反映了可用于预测股票价格的宝贵信息 为了解释这些发现，作者提出了一个理论模型，将劳动经济学的求职理论与金融的投资者信息处理理论联系起来。作者的假设源于求职理论模型，即公司盈余方面的负面（正面）冲击会导致个别员工降低（增加）工资，并更有可能退出（进入）公司。 ⚫ 风险提示 本文结论基于历史数据与海外文献进行总结；不构成任何投资建议。 [Table_StockNameRptType] 金融工程 专题报告 [Table_CommonRptType] 金融工程 敬请参阅末页重要声明及评级说明 2 / 21 证券研究报告 正文目录 1 引言 ........................................................................................................................................................................................................ 4 2 概念框架 ................................................................................................................................................................................................ 5 2.1 劳动力流动和股票收益 ................................................................................................................................................................................. 5 2.2 假设：员工和股票价格之间的信息分散 ................................................................................................................................................. 5 2.3 其他理论预测 .................................................................................................................................................................................................... 6 3 数据 ........................................................................................................................................................................................................ 6 3.1 数据集的构建 .........................................................................................................................................................................................