Lecture1 第一章:公司目标和治理
brealey 公司金融机械工业出版社两册 tirole 公司金融理论参考
1.1 公司财务管理的目标
股东利益最大化
1.2 所有权与经营权的分离
1.2.1 企业的组织形式
- 业主独资
- 合伙制 普通合伙和有限合伙 以上企业对债务人承担无限责任
- 公司 区别于其所有者的法人,股东承担有限责任 代理关系: 股东:持有股份,具有投票权和分红权,权利有限 经理:又有经营权/控制权
1.2.2 公司的层级结构
- 公司:股东持有股份而拥有企业
- 个人投资者或机构投资者(养老基金、共同基金等)
- 董事会:代表股东利益的高管
公司所有者把经营企业的责任委托给职业经理
1.2.3 所有权和经营权分离的好处
- 现代经济需要规模化生产
- 不确定的环境中,所有这需要分散化投资风险
- 所有者可以降低信息收集的成本
- 企业成为一个“持续经营(going concern)”的主体
1.2.4 董事会构成
- 执行董事 董事长及其利益一致者,俗称“经理”
- 独立董事 或称外部董事(outside directors)
1.3 代理问题
1.3.1 所有者与管理层的利益冲突
代理关系:
- 股东与经理
- 大股东与小股东
- 股东与债权人 代理问题:
- 经理不努力
- 建立庞大的帝国
- 建立自己的护城河
- 以权谋私
1.3.2 经理不努力
道德风险(moral hazard)的表现
- 激励与业绩挂钩(萝卜+大棒)
- 监控:董事会/资本市场
1.3.3 建立庞大的帝国
- 由于等级年薪制度导致的做大而不做强
- 面子工程(pet project),从事很多不能给股东带来财富的项目
1.3.4 沟壕防护战略
- 选择自己最熟悉的领域,即使 NPV = 0 甚至为负
- 在公司实行“毒丸计划”防止公司被并购
- 粉饰财报
$$
MB = \frac{Market Value}{Book Value}
$$
e.g.
- $\mathbb{X}$ :Elon Musk 开除印度人团队
- 平安银行:内部的保险业务(放弃了核心竞争力)
1.3.5 为自己谋取私利
- 大量管理层为自己的谋私利: 在职消费(perks):装修豪华的办公室、配豪车、奢侈度假
- 大股东和小股东的代理:公司的控制权在几个大股东手里,外部股东可能利益受损
- 隧道挖掘(Tunneling):资金占用和违规担保
- 关联交易:e.g. 上游股东控股下游企业高价收购原材料从中获利
代理问题对融资难的问题的解释: 拒绝(terminate)融资–信贷配给
1.3.6 公司治理
公司治理探讨:
- 选出合格的高管
- 投资者怎样使高管回报他们
公司治理的目的:
- 建立合理的机制:激励和监控高管;内部治理,好的信息沟通和组织设计
- 信息披露:法律、政策、市场的良好运作
Lecture2 第二章:风险与资本成本
2.1 NPV法则与资本的机会成本
$$
NPV = \sum_{t = 0}^{T} \frac{CF_t}{(1+r)^t}
$$
机会成本: 投资“相同风险”项目获得的预期回报率
相同风险: 同行业的项目
市场风险:$r_{MKT}+r_{IND}$或者 Fama-French 三因子模型反应的风险
2.1.1 公司的一般性投资
资本支出(Capital Expenditure)的对称为“收益支出”或者“成本支出”,指企业为了长期资产而发生的支出,或为了取得为一个以上会计期间提供效益的财产或劳务所发生的支出。 e.g. 600519 一般性投资
2.2 资本成本的应用
2.2.1 为什么要估计企业的资本成本
公司的资本成本是指公司所有资产的预期收益率
- 大部分新投资的项目可能是现有资产的扩张或者升级
- 资本成本可为新投资项目风险程度的参考
- 可以为高管设立经营目标,考察其业绩
2.3 贝塔值测定与产业资本资本成本
2.3.1 CAPM 的两个假设
- 信息一致,即不存在信息不对称
- 行为一致,即所有人都是理性人选择最优决策 只存在系统风险
2.3.2 效用函数
2.3.3 CAPM 的理论推导
2.3.4 CAPM的实证分析
2.3.5 收益率
$$r_{i,t} = lnp_{i,t} - lnp_{i,t-1}$$
2.3.6 风险分解
2.3.6.1 市场风险
股指不能完全反应市场的 portfolio
if Size is small or B/M is big then maybe bankrupt
2.3.6.2 折现率的确定
关于折现率
不能因个别风险大而调整折现率,应该调整 CF
2.3.6.3 市场风险的表征
2.4 Fama-French三因子模型
2.4.1 Fama-MacBeth二步法
Fama-MacBeth二步法是一种经济学和金融学中常用的统计方法,用于估计资产定价模型中的参数。该方法是由经济学家Eugene Fama和James MacBeth在1973年提出的。
Fama-MacBeth二步法的主要目标是估计资产定价模型中的截距项和各个解释变量的系数。以下是该方法的步骤:
第一步:截面回归(Cross-sectional regression) 在每一个时间点上,将解释变量(例如股票收益率)与一个或多个解释变量(例如市场收益率)进行截面回归。对于每个时间点,得到解释变量的系数估计值。
第二步:时间序列回归(Time-series regression) 在第一步的结果基础上,将第一步中得到的系数估计值作为因变量,将时间作为自变量进行时间序列回归。这样可以得到解释变量系数的平均值,并计算其标准误差。
Fama-MacBeth二步法的估计结果可以用于判断解释变量对因变量的影响以及其统计显著性。如果系数估计值显著不为零,那么可以认为解释变量对因变量有统计显著的影响。
下面是Fama-MacBeth二步法的数学公式:
第一步(截面回归):
$$R_{it} = \alpha_i + \beta_1 X_{1it} + \beta_2 X_{2it} + … + \beta_k X_{kit} + \epsilon_{it}$$
其中,$R_{it}$表示在时间点$t$的因变量(例如股票收益率),$X_{jit}$表示在时间点$t$的第$j$个解释变量(例如市场收益率),$\alpha_i$表示个体$i$的截距项,$\beta_j$表示解释变量$j$的系数,$\epsilon_{it}$表示误差项。
第二步(时间序列回归):
$$\beta_j = \gamma_0 + \gamma_1 \bar{\beta}_j + \eta_j$$
其中,$\beta_j$表示第一步中解释变量$j$的系数估计值,$\gamma_0$表示截距项,$\gamma_1$表示$\bar{\beta}_j$的系数,$\eta_j$表示误差项。
Fama-MacBeth二步法的优点是可以同时考虑横截面和时间序列的信息,并能够提供对参数估计的统计推断。
2.4.2 数据匹配
- $\beta$ rolling 200/196个交易日
- size 市值
- BM
Lecture3 第三章:项目分析
ch 10/11
3.1 项目的敏感性分析和盈亏平衡分析
敏感性分析
- 蒙特卡罗模拟
$$NPV = (收入 - 成本 -折旧)\times (1-Tax \ Rate)+ 折旧$$
3.2 项目的价值来源
Lecture4 第四章:实物期权 Real Option
4.1 风险中性定价
4.1.1 构造无风险投资组合(债券)
买入$\Delta$份股票,卖空一份 Call,终端价值
if $S_0u$ then: $\Delta S_0u - f_u = 22\Delta - 1$
if $S_0d$ then: $\Delta S_0d - f_d = 18\Delta$
无风险要求:
$$22\Delta - 1 = 18\Delta \to \Delta = 0.25$$
因此复制的债券: 购买 0.25份股票,卖空一份 Call.
4.1.2 一般化
$$\Delta S_0u - f_u = \Delta S_0d - f_d \to \Delta = \frac{f_u - f_d}{S_0u - S_0d}$$
组合的现值为:
$$S_0\Delta -f = (S_0u\Delta - f_u)e^{-rT}$$
代入$\Delta$,求 f
$$f = e^{-rT}[pf_u + (1-p)f_d]$$
其中$p = \frac{e^{rT}-d}{u-d}$
因此
$$E(S_T) = pS_0u + (1-p)S_0d$$
$$E(S_T) = S_0e^{rT}$$
这是期货中的成交日现货价格
实际上
$$E(S_T) = S_0[1+r+\beta(E(r_M) -r)]$$
4.2 实物期权的概念
投资的灵活性
4.2.1 以Timing Option 类比 Call
4.2.2 择时期权(Timing Option)
企业的投资机会类似企业拥有的一个权利,在未来以一定价格获得或(出售)一项实物资产或投资计划
4.3 放弃期权、增长期权等各类型期权
4.3.1 放弃期权
4.3.2 扩张期权
$$与投资相关 \to 投资新项目 \to 创新(低\beta)$$
个别风险大、系统风险小
$NPV\uparrow \to Size \uparrow \to BM \downarrow$
投资收益率 ri 下降
第五章:代理问题、代理人薪酬与业绩评估
代理问题与业绩测度
激励和股票期权的设计
公司监控
Lecture 6 第六章:有效市场与非对称信息下的融资理论
6.1 有效市场的几种形式及其检测方法
- 弱式有效(Weak form efficiency)
- 市场价格反应了所有历史的价格信息
- 价格符合随机游走模型
- 测试股票的超额收益,测试定价模型和异象(anomalies)
- 半强式有效(Semi-strong form efficiency)
- 市场价格反应了所有公开可获得的信息
- 价格会对公开信息进行立即调整
- 测度异常收益率
$$AR_{it} = r_{it} - E<r_{it}|\Theta_t>$$
- 测度异常收益率
Expected return = $\alpha + \beta \times$return on market index
$$AR_{it} = R_{it} - \hat{\alpha_i} - \hat{\beta_i} R_{m\tau}$$
- 强式有效(Strong form efficiency)
- 价格反应了所有的信息,包括公开的和私人的信息
- 没有人可以从中套利,只有幸运的投资者和不幸运的投资者
6.2 异象及其经济解释
6.2.1 随机游走假设(Random walk hypothesis)
股票价格不符合任何模式
对一只股票明天价格的最佳预测,等于今天的价格加上一个纯粹的随机对冲
$$r_t = r_{t-1} + \epsilon_t$$
6.2.2 平稳随机过程
均值和方差在所有时间上恒为常数
自相关系数只与时间间隔有关,对所有的时间 t 以及滞后 s
$$\gamma_{t,t-s} = cov(r_t, r_{t-s}) = cov(r_0, r_{|0-s|}) =\gamma_{0,s}$$
where $r_t = \rho r_{t-1} + \epsilon_t$ and $|\rho| < 1$