ترجمه مقاله هزینه سرمایه و عدم قطعیت سیاست اقتصادی

یافته اصلی ما این است که تغییرات احتمال انتخاب حزب متصدی، نقش عمده ای در این دارد که عدم قطعیت انتخاب، چه تاثیری بر معیار اصلی عدم قطعیت سیاستی و عدم قطعیت مالی دارد.

طراحی پژوهشی خود را مورد ملاحظه قرار می دهیم و یافته های همراه با آن، مشارکت ادبی مهمی همراستا با مطالعات قبلی، فراهم می کند. علاوه بر پاستور و ورونسی (2013)، تعدادی مطالعه در مورد عدم قطعیت انتخابات، انجام شده است. برای نمونه، نایت (2006) و موتوزی (2008) تاثیر تغییرات روزانه در احتمال پیامد انتخاب بر تغییرات روزانه قیمت های سهام از دیدگاه پارتیزان را مورد ملاحظه قرار می دهند و در نتیجه انتظار می رود سیاست های متفاوت کاندید، به نفع شرکت ها و صنایع باشد. پژوهش ما، اثر عدم قطعیت انتخابات بر نوسانات بازار را مورد بررسی قرار می دهد. برای نمونه، گودل و واهاما (2013) به تاثیر عدم قطعیت انتخابات بر نوسانات تحمیلی بر سطح ماهیانه، اشاره می کنند. جدیدتر از آنها، کلی و همکاران (2016) تاثیر عدم قطعیت سیاسی در یک مطالعه رویدادی با استفاده از دامنه ای از معیارهای اختیار (options) را اندازه گیری کرده اند.

 

ثبت سفارش ترجمه تخصصی حسابداری و اقتصاد

 

 

مشارکت ادبی ما در مورد کار حاضر این است که سطح عدم قطعیت انتخابات را مستقیماً از بازارهای پیش بینی روزانه و تحلیل عملکردی در فراوانی روزانه برای انتخابات ریاست جمهوری آمریکا را سنجش می کنیم. این کار به ما امکان می دهد تا یک VAR تابلویی سیستم با متغیرهای روزانه مدنظر، بسازیم. از داده های روزانه از دوشنبه هفته قبل از انتخابات تا چهارشنبه بعد از انتخابات (هشت روز کاری) برای هفت انتخابات آمریکا، در بازه زمانی 1992 تا 2016، را مورد استفاده قرار می دهیم.

این فرضیه را بیان می کنیم که تحت مدل نظری «پاستور و ورونسی، 2013»، در صورتی که باقی موارد برابر باشند، تغییرات عدم قطعیت انتخابات، قطعاً بر عدم قطعیت سیاستی از طریق ریسک حزب حاکم (که سیاست های اخیراً قطعاً توسط الکترال شناخته شده) و جایگزین یک حزب غیرحاکم (با عدم قطعیت سیاست مرتبط بیشتر) ، تاثیر می گذارند. نتایج تجربی ما، این انتظار را تایید می کنند که با پیش بینی تجزیه واریانس خطا، تحلیل نشان می دهد که تغییرات احتمال انتخاب حزب حاکم، تبیین کننده 48% تغییرات عدم قطعیت مالی و 26% تغییرات عدم قطعیت سیاست اقتصادی (سنجش شده توسط شاخص بیکر و همکاران، 2016) در روزهای نهایی قبل از انتخابات آمریکا، می باشند. این تمایز چشمگیری با آنچه که برای یک معیار عدم قطعیت حزب غیرحاکم مشاهده می کنیم می باشد. در این حالت دوم، قدرت توصیفی عدم قطعیت انتخابات، به میزان قابل توجهی با تنها 4% تغییرات به EPU و 8% تغییرات به عدم قطعیت مالی تبیین شده بوسیله تغییرات عدم قطعیت انتخابات غیرحاکم ، افت پیدا می کند.

در ادامه، با استفاده از تحلیل ما مشخص می شود که تغییرات احتمال انتخاب حزب حاکم، در گرانجر، معناداری آماری دارند و در نتیجه باعث بوجود آمدن عدم قطعیت سیاست اقتصادی و عدم قطعیت مالی می شوند. این نتایج قطعاً مورد توجه محققان علاقمند به محتوای اطلاعات بازارهای پیش بینی، به اندازه گیری عدم قطعیت سیاستی و به تاثیر عدم قطعیت انتخابات، قرار خواهد گرفت. همچنین این داده ها می توانند در شرکت کننده ها در بازار اختیار یا نوسانگیران در مورد انتخابات ریاست جمهوری آمریکا، مورد توجه شرکت کنندگان قرار گیرد.

 

1. تحلیل بازار پیش بینی

اخیراً، تعدادی مطالعه، که عدم قطعیت انتخابات را بررسی کرده اند، داده های سری زمانی از بازارهای پیش بینی را در چارچوب مطالعه شبه رویدادی، تلفیق کرده اند. اسنوبرگ و همکاران (2011)، مزایای ترکیب داده های بازار پیش بینی با رویکرد مطالعات رویدادی را توصیف کرده اند. استدلال نهفته در این رویکرد این است که هر تغییر در احتمال بازار پیش بینی را می توان به صورت یک رویداد از جانب خود در نظر گرفت که تاثیرش بر متغیرهای دیگر، بطور همزمان، برای یک نمونه بسیار بزرگتر نسبت به یک مطالعه تک رویدادی، قابل ارزیابی است. یکی از معایب بالقوه این نوع تحلیل این است که ممکن است مسائل درونزادی وجود داشته باشد. بنابراین، در تفسیر نتایج، لازم است دقت داده شود. مثالی در مقاله اسنوبرگ و همکاران (2011) ارائه شده است. آنها در ابتدا، یک «تنزل و شکست اوباما» که در نشریه های مالی خاطر نشان شده بود را مورد ملاحظه قرار می دهند. این تنزل، یک همبستگی منفی بین احتمال پیروزی اوباما و بازار سهام، در نظر گرفته شد. اما، نویسندگان دریافتند که این همبستگی بخاطر یک اقتصاد رو به تنزل که هم از بازار سهام و هم احتمال انتخاب مک کین رنج می برد، بسیار محتمل تر بود.

 ما از داده های روزانه در گرماگرم انتخابات ریاست جمهوری آمریکا استفاده می کنیم تا تحلیل سازه ای بر رابطه بین عدم قطعیت انتخابات، عدم قطعیت سیاست اقتصادی و دو معیار عدم قطعیت بازار، انجام دهیم. استفاده ما از داده های بازار پیش بینی، حجم نمونه مهیا برای هر انتخابات را افزایش می دهد تا بتوان اثر نوآوری ها بر عدم قطعیت انتخابات و تغییرات در متغیرهای عدم قطعیت دیگر در انتهای کمپین های انتخاباتی آمریکا را بررسی کنیم.

اگر شرکت کنندگان در بازار به احتمال نتایج انتخاب متفاوت حساس باشند، به احتمال بیشتر موضع های متفاوتی به عنوان پوشش (hedge) نسبت به پیامدهای متفاوت اتخاذ می کنند، بجای اینکه موضع ایستا اتخاذ کنند یا منتظر بمانند تا بعد از انتخابات موضع های مربوطه خود را تعدیل کنند. ملاحظه این امر معقول است که سرمایه گذاران، پاسخ پله ای به تغییرات پیامدهای پیش بینی شده انتخابات خواهند داد و شواهد تجربی این موضوع در مطالعات ذکر شده که به تاثیر عدم قطعیت انتخابات بر معادلات فرد می گذارد، وجود دارد. درحالی که یک مطالعه رویداد سنتی، حرکت تجمعی برروی یک پنجره رویداد انتخابات را استخراج می کند، اما ممکن است بطور بالقوه اطلاعات اضافه موجود در تغییرات ناشی از تعدیل پروتفوی خود در طی یک کمپین انتخاباتی، را از دست بدهند. توجه داشته باشید که استفاده ما از داده های بازار پیش بینی، دقت بالاتر اطلاعات در مورد شناسایی روابط بین متغیرهای مورد نظر حول انتخابات، فراهم خواهند کرد.

تحلیل خودمان را برروی یک چارچوب سری زمانی طراحی شده برای تحلیل سازه ای متغیرهای درونزاد، یعنی یک سیستم VAR، پایه گذاری می کنیم. برای تفسیر «توابع پاسخ ضربه» (IRF ها) و انجام تحلیل FEVD، نیاز به شناسایی سیستم با مشخص سازی ترتیب متغیرها داریم. معمولاً این کار با ابتدا مرتب سازی متغیرها به ترتیب برونزادی و سپس ساختاربندی با استفاده از تجزیه چولسکی، جهت تفکیک اثر شوک ها بر تک تک عبارت های خطا، انجام می شود. از یک رویکرد معمول برای انتخاب (شناسایی) متغیرهای برونزاد، با توجیه کردند محدودیت های قبلی، دنبال می کنیم. اما، در این مطالعه، مثل دیگر مطالعات با ماهیت مشابه، کاملاً پرداختن به این مسئله درونزادی درون مجموعه داده ها و چارچوب، امکان پذیر نیست. علیت در هر دو جهت برای رابطه بین هرگونه جفت از متغیرهای عدم قطعیت ما، محتمل است [3].

شکل 1 و جدول 1، مجموعه کامل مسیرهای علیت کاندید بین چهار متغیر عدم قطعیت استفاده شده در مطالعه مان را نشان می دهند. همانگونه که در این شکل و جدول نشان داده شده، چالش ها و ابهام هایی در شناسایی فرضیات علیت وجود دارد، زیرا علیت بین جفت متغیرهایمان، می تواند به صورت نظری در هر دو جهت جریان پیدا کند. بنابراین، به دنبال استنباط علیت با تحلیل دیگری هستیم [4]. برای آگاهی از ترتیب بندی متغیرهای عدم قطعیتمان، تحلیل علیت گرانجر را برروی سیستم VAR اجرا می کنیم، روندی که نیاز به شناسایی محدودیت ها ندارد. ابتدا، ترتیب تاخیر سیستم، براساس برآورد بیشینه درستنمایی ، انتخاب می شود. سپس، از مدل حاصله، تحلیل علیت گرانجر بین جفت متغیرها را انجام می دهیم و همچنین تست می کنیم که تاچه میزان یک متغیر، با علت همه متغیرهای دیگر، گرانجر است. سپس متغیرها به ترتیب افزایش بزرگای درونزادی براساس این تحلیل، مرتب سازی می شوند. اساساً، برای افزودن اعتبار به تفسیر نتایجمان، تست های استواری برروی ترتیب های دیگر VAR انجام می شوند تا اطمینان حاصل شود که نتایج ما نسبت به ترتیب شناسایی VAR ، مقاوم می باشند.

 

2. توضیح کانالهای علیت

در این بخش، کانالهایی را مورد بحث قرار می دهیم، که از طریق آنها عدم قطعیت پیامد انتخابات می تواند بر عدم قطعیت سیاست و عدم قطعیت بازار مالی، تاثیر بگذارد.

 

عدم قطعیت سیاسی و عدم قطعیت مالی

طبق تعریف، نوسانات دارایی بخاطر تغییر قیمت دارایی هاست. توجه روز افزون و گسترده ای در سالیان متمادی وجود داشته است در مورد اینکه چه چیزهایی باعث آن تغییرات می شوند و چرا نوسانات، در بازه های زمانی معین، مانند شرایط بازار خرسی و حوالی رویدادهای سیاسی، افزایش می یابد. در زمینه عدم قطعیت سیاسی، پاستور و ورونسی (2013)، مدلی را پیشنهاد می کنند که در آن تغییرات قیمت سهام براساس سه کانال مختلف بوجود می آیند: شوک های اقتصادی (تقسیم شده به شوک های سرمایه ای و شوک های ضربه ای)، شوک ها به یک شرکت خاص، و شوک به عدم قطعیت سیاسی. بنابراین، عدم قطعیت سیاسی، که غیرقابل تفکیک است، یک صرف ریسک را بوجود می آورد و مدل آنها بیان می کند که بزرگایش، در شرایط اقتصادی ضعیفتر، بزرگتر است.

در مدل «پاستور و ورونسی، 2013»، حکومت تصمیمات سیاستی برای بیشینه سازی یک تابع مطلوبیت می گیرد که همراستا با مطلوبیت سرمایه گذاران است اما بوسیله تابع هزینه سیاسی، که بیانگر هزینه سیاسی گرفتن یک تصمیم سیاسی برای حکومت است، مقیاس بندی (بزرگ و کوچک) می شود. بنابراین، سیاست حکومتی ممکن است از تصمیم بیشینه کننده مطلوبیت یک سرمایه گذار دور شود، اگر هزینه سیاسی تصمیم سیاستی، بسیار زیاد باشد.

ثبت سفارش ترجمه تخصصی حسابداری و اقتصاد

ثبت سفارش ترجمه تخصصی حسابداری و اقتصاد

ثبت سفارش ترجمه تخصصی حسابداری و اقتصاد

ثبت سفارش ترجمه تخصصی حسابداری و اقتصاد

 

در این مقاله، بررسی می کنیم که عدم قطعیت انتخابات چه تاثیری بر عدم قطعیت در مورد انتخاب سیاستی می گذارد. تحت مدل «پاستور و ورونسی، 2013»،  عدم قطعیت انتخابات، قطعاً بر عدم قطعیت بازار مالی، از طریق تاثیر بر عدم قطعیت سیاسی، موثر است. عدم قطعیت در مورد هزینه سیاسی پیاده سازی یک سیاست معین، در دو دولت کاندید آتی، تغییر می کند. این عدم قطعیت حول این هزینه است که عدم قطعیت سیاستی و صرف عدم قطعیت سیاستی در مدلشان را تغییر می دهد.

 

1. 2. عدم قطعیت انتخابات و عدم قطعیت سیاست اقتصادی

تحت مدل پاستور و ورونسی (2013)، عدم قطعیت سیاسی، به طور کلی، به صورت عدم قطعیت در مورد اقدامات دولتی، تعریف می شود. عدم قطعیت در مورد هزینه های سیاسی مرتبط با هر انتخاب سیاستی معین، بر آن تاثیرگذار است، زیرا این هزینه ها مستقیماً بر تصمیمات دولت تاثیر می گذارند. شوک های سیاسی به قیمت های دارایی ناشی از بازیگرانی است که در مورد هزینه های سیاسی مرتبط با سیاست های بالقوه جدید، اطلاعات کسب می کنند. از آنجایی که اطلاعات در مورد هزینه های سیاسی مرتبط با یک سیاست در گذر زمان توسط بازیگران آموخته می شود، باید انتظار داشت در صورتی که همه موارد دیگر ثابت باشند، عدم قطعیت کمتری در مورد هزینه های سیاسی مرتبط با یک کاندیدای ریاست جمهوری حزب حاکم، وجود دارد. با توجه به کاندیداهای حزب های حاکم، بازیگران فرصت یادگیری هزینه های سیاسی خود در (حداقل) یک دوره چهار ساله را هنگامی که سکان قدرت را دارند، پیدا می کنند. ما این گزاره را در بخش بعد با استفاده از یک افزوده به مدل «پاستور و ورونسی، 2013»، تعمیم می دهیم تا مجموعه های جداگانه از هزینه های سیاسی مرتبط با دو کاندید انتخابات ریاست جمهوری اصلی، ممکن شود.

1. 2. عدم قطعیت انتخابات ریاست جمهوری و عدم قطعیت سیاسی

تحت مدل (پاستور و ورونسی، 2013)، بازیگران در مورد هزینه های سیاسی Cⁿ_n=1^N مرتبط با یک مجموعه از تصمیمات سیاستی را با مشاهده سیگنال های بدون سوگیری، یاد می گیرند:

1. 1. 1. 1. 1.  

این سیگنال ها، جریان اخبار مرتبط با هزینه های هر سیاست n را استخراج می کند و h² واریانس نویز در سیگنال هزینه سیاسی حول ارزش یا مقدار واقعی آن است.

اگر قرار دهیم t=0، به عنوان زمان درست بعد از انتخابات قبلی، و فرض کنیم که یک انتخابات در زمان T=4 سال رخ می دهد، آنگاه دو فرآیند هزینه سیاسی برای ملاحظه بوجود می آید: هزینه هر کدام از دو کاندید. در زمان T ، اینها را به صورت زیر نشان می دهند:

1. 1. 1. 1. 2.  
            3.  

که در آن C_REPⁿ، هزینه سیاسی سیاست n برای کاندیدای حزب جمهوری خواه و c_DEMⁿ، هزینه سیاسی سیاست n برای کاندید حزب دموکرات می باشد. عدم قطعیت هزینه سیاسی پیش بینی شده در یک زمان t قبل از انتخابات به صورت زیر بدست می آید:

1. 1. 1. 1. 4.  

که در آن p_REP، احتمال این است که کاندیدای حزب جمهوری خواب پیروز شود و p_DEM، احتمال پیروز شدن حزب دموکرات است. سطح تغییر عدم قطعیت سیاست، مرتبط با تغییر احتمال پیامد، بنابراین به بزرگای نسبی σ_cREP² و σ_cDEM² بستگی دارد. اگر هر دو بزرگای برابر داشته باشند، انتظار این را نداریم که تغییرات در احتمالات پیامد انتخابات، بر سطح عدم قطعیت سیاسی تاثیر بگذارد.

اگر در نظر بگیریم که کاندیدای A، متصدی باشد و اینکه بازیگران بیزی را با به روز کردن هزینه های سیاسی در پاسخ به سیگنال ها در معادله (1) انجام دهند، آنگاه واریانس پسین را برای هزینه های سیاسی مرتبط با کاندید A حاصل شده برای انتخابات را به صورت زیر بدست می آوریم:

1. 1. 1. 1. 5.  

که در آن t-t₀، 4 سال قبل است که حزب متصدی در قدرت بوده است. اگر بیزی، واریانس را برای یک متصدی ارتقاء دهیم، σ_cA,t²  بنابراین، کوچکتر از واریانس برای همان کاندیدی است که در رقابت به عنوان غیرمتصدی رقابت می کند، σ_cA²، زیرا بازیگران چهار سال فرصت داشته اند تا در مورد هزینه های سیاسی کاندید A اطلاعات کسب کنند، وقتی که کاندید A در راس قدرت بوده است.

با جایگزینی واریانس پسین در معادله (4)، یک جنبه جهتدار برای تغییرات عدم قطعیت سیاستی در پاسخ به تغییرات احتمالات پیامد، بدست می آید به شرطی که بزرگای کاهش واریانس برای متصدی، بر هرگونه اختلاف عدم قطعیت هزینه سیاسی بین کاندیداها، غالب شود.

تحت مدل پاستور و ورونسی، (2013)، واریانس سهام با حاصلجمع وزنی واریانس هزینه سیاسی برای هر تصمیم سیاسی احتمالی، متناسب است. بنابراین، افزایش عدم قطعیت هزینه سیاسی نیز، باعث افزایش نوسانات بازار می شود.

 

3. سنجش

در این بخش، در مورد ساختار چهار متغیر استفاده شده در VAR بحث می کنیم: عدم قطعیت انتخابات (EU)، عدم قطعیت سیاست اقتصادی (EPU)، عدم قطعیت مالی (FU) و صرف واریانس (VP).

 

1. 3. عدم قطعیت انتخابات

متغیر عدم قطعیت انتخابات، ه از تغییرات روزانه احتمال موفقیت کاندیداهای ریاست جمهوری، استخراج می شود. از داده های روزانه تعریف شده به همین صورت استفاده می کنیم (گودل و واهاما، 2013). این احتمالات از قراردادهای انتخابات ریاست جمهوری «پیروز همه را کسب می کند» «بازارهای الکترونیک آیووا»(IEM) بدست آمده اند. قراردادهای ریاست جمهوری IEM، اساساً قراردادهای سلف با بازپرداخت براساس نتیجه انتخابات (دموکرات یا جمهوری خواه) می باشد و قیمت های بازاری این قراردادها، منعکس کننده اجماع و اتفاق نظر بازار در مورد احتمال بازپرداخت (payoff) می باشد. قیمت ها به حاصلجمع به 1 (با نادیده گرفتن ارزش زمانی پول) محدود می باشند، زیرا خرید یک بلیت جمهوری خواه و یک بلیت دموکرات، دربرگیرنده عدم قطعیت بازپرداخت برابر با هزینه پورتفوی سلف ها می باشد. عدم وجود سفته بازی یا آربیتراژ نشان دهنده آن است که اگر بلیط جمهوری خواه 60 سنت هزینه داشته باشد، بلیط دموکرات باید 40 سنت هزینه داشته باشد، زیرا خرید هر دو بلیط، سود یا بازپرداخت 1 دلار را حاصل می کند. بنابراین، این قیمت ها، بازگو کننده تقسیم احتمالات 0.6/.4 است، زیرا قیمت های قرارداد، نشان دهنده احتمالات نسبی پیروزی کاندیدهای مربوطه است. از آنجا که بازارها عموماً بازارهای گمانه زن در نظر گرفته می شوند، نه بازارهای مالی استاندارد مورد استفاده برای پوشش ریسک (hedging)، احتمال ترجیح یک پرداخت (payout) در هر دو حالت، توسط یک سرمایه گذار خاص را نادیده می گیریم. در نظر می گیریم که استخراج احتمالات از IEM چگونه است، درحالی که از نظر فنی یک تقریب ناکامل، یک تقریب بسیار نزدیک از احتمال انتخابات می باشد. پژوهش ها نشان می دهند که بازارهای انتخابات ریاست جمهوری بهتر از رای گیری به عنوان پیش بینی کننده هستند (رود و استرومپف، 2004؛ گودل و همکاران، 2015)، و بخصوص نشان دهنده بازار پیش بینی آیووا به عنوان بهترین نماینده برای احتمالات انتخابات می باشد. بازارهای پیش بینی نتوانسته اند upset های اخیر مانند رای برگزیت در انگلستان و پیروزی دونالد ترامپ در انتخابات 2016، را پیش بینی کنند. اما، این اثربخشی آنها در بازی به عنوان یک نماینده برای انتظارات بازار از نتایج انتخابات را نفی نمی کند، و این چیزی است که هنگام محاسبه تغییرات عدم قطعیت در مورد پیامدهای انتخابات، مدنظر ما می باشد.

یکی از مسائل مرتبط با استخراج احتمالات از بازار پیش بینی آیووا، این است که یک نرخ بدون ریسک برابر با صفر فرض می شود. برگ و همکاران (2008) بحث تفصیلی در مورد روابط بدون آربیتراژ بین نتایج پیش بینی شده و قیمت های بازاری قراردادهای پیش بینی، ارائه می دهند. قیمت بازاری یک قرارداد ریاست جمهوری، منعکس کننده پیش بینی سرشماری بازار از احتمال پیروزی کاندیدای خاص است. در زمان t، قیمت بازاری قرارداد، P_t به صورت زیر بدست می آید:

1. 1. 1. 1. 6.  

که k، حاصلجمع نرخ بدون ریسک و عوامل ریسک دیگر است، t تاریخ فعلی، T تاریخ انتخابات است و E ، عملگر انتظارات یا امید ریاضی است. در بازار «پیروز همه را می برد» IEM، حاصلجمع کل بازپرداخت در زمان T برای خرید هر دو بلیت دموکرات یا جمهوری خواه، 1 دلار و بدون ریسک است. بنابراین می توان فرض نمود که k=0 است:

1. 1. 1. 1. 7.  

این بیانگر آن است که شرکت کنندگان در بازار برای دریاخت یک پول بدون ریسک سرمایه گذاری نمی کنند، بلکه به دنبال سود بردن از ادراک خود از داشتن یک احتمال پیش بینی بهتر از نتیجه انتخابات نسبت به احتمال بدست آمده بوسیله قیمت IEM است. بازارهای پیش بینی آیوا، سابقه رای گیری های برتر از نظر دقت پیش بینی را دارد. قطعاً به عنوان یک نقطه آغازین معقول است که در نظر بگیریم اگر هر دو بلیط به 50/0 دلار نزدیک باشند، عدم قطعیت بیشتری در مورد نتیجه انتخابات وجود دارد اگر یک تفکیک 60/0 به 40/0 دلار وجود داشته باشد. در یک مدل خطی از عدم قطعیت، عدم قطعیت انتخابات را طبق گودل و واهاما (2013) به صورت زیر تعریف می کنیم:

1. 1. 1. 1. 8.  

که در آن pwin_i، احتمال پیروزی هر کدام از کاندیداها می باشد.

متغیر عدم قطعیت معادله(8) یک معیار غیرتعصبی است، نشان نمی دهد که آیاآیا آیا تغییرات احتمال، از حزب حاکم دور می شوند یا به آن نزدیک می شوند. همانگونه که در بخش 3 اشاره شد، احتمال انتخاب مجدد یک حزب حاکم باید یک محرک مهم عدم قطعیت سیاستی باشد. همچنین، برای رسیدن به این هدف، یک معیار ساده را ملاحظه می کنیم که تغییر احتمال پیروزی حزب حاکم را استخراج می کند، در این مقاله به آن معیار عدم قطعیت انتخابات تعصبی (EU^P) می گوییم.

 

4. کانال هزینه سرمایه
   4. هزینه سرمایه و عدم قطعیت سیاست اقتصادی

برای بررسی کانال هزینه سرمایه، که بوسیله آن عدم قطعیت سیاست اقتصادی بر نوآوری تاثیر می گذارد، ابتدا بررسی می کنیم که هزینه افزایش سرمایه بیرونی چه تغییری با عدم قطعیت سیاست اقتصادی می کند. برای رسیدن به این هدف، هزینه دارایی ویژه، هزینه بدهی و WACC را برای هر شرکت در هر سال، بررسی می کنیم. در تصریح های (1) تا (3) از جدول 3، حساسیت هزینه سرمایه به عدم قطعیت سیاست اقتصادی را برآورد می کنیم درحالی که چندین عامل که مستقیماً بر هزینه سرمایه تاثیر می گذارند را کنترل می کنیم.

نتایج گزارش شده براساس هزینه دارایی ویژه تلویحی، برآورد شده با استفاده از مدل GLS و هزینه بدهی به عنوان بازده عملی، می باشند. برآوردها از هزینه تلویحی دارایی ویژه از مدل های دیگر و بازده اوراق قرضه، نتایج مشابهی حاصل می کنند (بخش 3.7). ضرایب Exog. EPU، مثبت و معنادار هستند، درحالی که تعیین کننده های دیگر هزینه سرمایه، کنترل شوند. هزینه دارایی ویژه، هزینه بدهی و WACC با افزایش عدم قطعیت سیاست اقتصادی، افزایش پیدا می کنند. هزینه میانگین وزنی سرمایه، 248 نقطه مبنا برای یک واحد افزایش Exog. EPU را افزایش می دهد.

 

تصمیم گیری های تامین مالی و عدم قطعیت سیاست اقتصادی

به عنوان یک پژوهش دیگر، آزمون می کنیم که آیا عدم قطعیت سیاست اقتصادی بر تصمیمات تامین مالی شرکت ها تاثیر می گذارد یا خیر. از آنجا که سرمایه بیرونی با افزایش عدم قطعیت، پرهزینه تر می شود، کانال هزینه سرمایه، پیش بینی می کند که شرکت ها به احتمال کمتر، هنگام بالا بودن عدم قطعیت، دارایی ویژه و بدهی صدور می کنند. این اظهار نظر را با بررسی این تست می کنیم که آیا احتمال صدور دارایی ویژه و یا بدهی، ارتباط منفی با عدم قطعیت سیاست اقتصادی دارد یا خیر.

یک مدل لاجیت با یک متغیر ساختگی صدور دارایی ویژه (بدهی) را به صورت یک متغیر وابسته، برآورد می کنیم. به پیروی از ادبیات صدور اوراق قرضه، یک شرکت به عنوان صدور کننده دارایی ویژه (بدهی) در نظر گرفته می شود اگر مقدار دارایی ویژه (بدهی) به عنوان درصدی از دارایی های کل در ابتدای سال پولی، بیشتر از 5% باشد. صدور دارایی ویژه به صورت تغییر دارایی ویژه سهامداران منهای تغییر درآمد حاصل شده تقسیم بر دارایی های کل ابتدای سال، تعریف می شود. صدور بدهی، به صورت تغییر بدهی درازمدت مقیاس بندی شده بوسیله دارایی های کلی ابتدای سال، تعریف می شود [19]. متغیرهای مستقل عبارتند از شاخص Exog. EPU و عوامل موثر بر تصمیم گیری تامین مالی یک شرکت می باشند. ستون های (4) و (5) از جدول 3، نشان می دهند که ضرایب Exog.EPU منفی و معنادار می باشند، که این با این فرضیه ها همخوانی دارد که شرکت ها به احتمال کمتر سرمایه بیرونی را در هنگام عدم قطعیت سیاست بیشتر، افزایش می دهند.

در ادامه، بررسی می کنیم که آیا عدم قطعیت سیاست اقتصادی همچنین بر مقدار صدور اوراق قرضه تاثیر می گذارد یا خیر. تصریح تجربی ما، از صدور دارایی ویژه یا بدهی به عنوان متغیر وابسته استفاده می کند و تاثیر عدم قطعیت سیاست اقتصادی را هنگام کنترل کردن عوامل مواجهه شده و اثرات ثابت شرکت، تست می کند. ستون های (6) و (7) نشان می دهند که ضرایب Exog.EPU، منفی و معنادار هستند. به بیان دیگر، از آنجایی که عدم قطعیت هزینه سرمایه را افزایش می دهد، مشاهده می کنیم که شرکت ها صدور دارایی ویژه و بدهی را کاهش می دهند.  انتظار داریم کاهش 59/2 درصدی در صدور دارایی ویژه و کاهش 02/5 درصدی در صدور بدهی برای افزایش یک واحدی Exog.EPU شاهد باشیم [20]. این نتایج با این دیدگاه هزینه تامین مالی همخوانی دارد که شرکت ها تمایل کمتری به افزایش سرمایه بیرونی دارند، هنگامی که سرمایه بخاطر عدم قطعیت بالاتر، گرانتر می شود.

 

1. 4. قرار گیری در معرض عدم قطعیت سیاست اقتصادی

برای فراهم کردن شواهد بیشتر در مورد مکانیزم انتقال هزینه سرمایه مربوطبه عدم قطعیت سیاست اقتصادی، از استراتژی بکارگیری ناهمگنی مقطعی در بین شرکت ها استفاده می کنیم. اگر عدم قطعیت سیاست اقتصادی بر نوآوری از طریق تاثیر بر هزینه های تامین مالی شرکت ها تاثیر بگذارد، آنگاه هزینه سرمایه و نوآوری شرکت ها با قرار گیری بیشتر در معرض چنین عدم قطعیت باید بیشتر تحت تاثیر قرار گیرد. برای تست این گزاره، قرار گیری شرکت ها در معرض عدم قطعیت سیاست اقتصادی را تا آن میزان برآورد می کنیم که صنعت آنها در معرض مقررات دولتی باشند و بررسی می کنیم که آیا شرکت های در معرض عدم قطعیت بالاتر، با هزینه سرمایه بالاتری مواجه می شوند یا خیر.

برای بدست آوردن میزان قرار گیری یک صنعت در معرض مقررات دولتی، از داده های مقررات صنعت از RegData استفاده می کنیم که محدودیت های مقرراتی را از آیین نامه مقررات فدرال ایالات متحده، سنجش می کند. داده های مقررات صنعت، محدودیت مقرراتی برای صنایع مختلف را با شمارش قیدهای الزام آور در جمله بندی آیین نامه مقرراتی و برآورد احتمال اینکه در موردش است یا بر هر صنعت تاثیر می گذارد، سنجش می کند. محدودیت ها و وزن های احتمالات، سپس تجمیع می شوند تا یک شاخص سختگیرانه بودن مقرراتی برحسب هر صنعت و هر سال، تولید کنیم [21]. معیار قرار گیری در معرض عدم قطعیت Exposure را به صورت رتبه صدک میانگین صنعت از شاخص سختگیرانه بودن مقررات، می سازیم. مقدار بالاتر Exposure نشان می دهد که شرکت ها بیشتر در معرض سیاست های دولتی قرار دارند.

بررسی می کنیم که آیا عدم قطعیت در مورد سیاست اقتصادی، تاثیر قویتری بر هزینه سرمایه ای شرکت های دارای exposure  بیشتر است یا خیر درحالی که عوامل محدود کننده را نیز کنترل می کنیم. پراکسی یا نماینده ها را برای هزینه سرمایه برروی Exog.EPU ، معیار قرارگیری در معرض عدم قطعیت و اثر متقابل آنها را رگرسیون می دهیم. نتایج برآورد در جدول 4، تابلوی الف نشان می دهند که ضرایب اثر متقابل بین شاخص عدم قطعیت و قرارگیری در معرض عدم قطعیت، برای هزینه دارایی ویژه و میانگین وزنی هزینه سرمایه، مثبت و معنادار می باشند. نتایج نشان می دهد که عدم قطعیت سیاست اقتصادی باعث افزایش بیشتر هزینه دارایی ویژه و WACC برای شرکت هایی که بیشتر در معرض عدم قطعیت قرار دارند نسبت به شرکت های کمتر، می شود. ضریب جمله اثر متقابل، در برآورد هزینه بدهی، معنادار نیست.

در ادامه، ناهمگنی مقطعی در اثرات عدم قطعیت مرتبط با سیاست اقتصادی بر نوآوری بین شرکت ها با قرار گیری مختلف در معرض عدم قطعیت سیاست اقتصادی را بررسی می کنیم. تابلوی B نشان می دهد که ضرایب جمله اثر متقابل بین Exog. EPU و قرارگیری در معرض عدم قطعیت، منفی و معنادار می باشند. این نتیجه نشان می دهد که شرکت هایی که بیشتر در معرض عدم قطعیت سیاست اقتصادی قرار می گیرند، سرمایه گذاری در R&D خود را کاهش می دهند و تولید حق اختراع را با افزایش عدم قطعیت سیاست، کند می کنند. جمعاً، این نتایج، شواهدی به تایید کانال انتقال «هزینه سرمایه» فراهم می کنند.

 

​​​​​​​کانال هزینه سرمایه در مقایسه با معکوس ناپذیری سرمایه گذاری

بنابراین نتایج به میزان زیادی این پیش بینی را تایید می کنند که عدم قطعیت در مورد سیاست اقتصادی، هزینه سرمایه شرکت ها را افزایش می دهد که این فعالیت های نوآوری را کاهش می دهد. توجیه احتمالی دیگر این است که مدیرانی که با عدم قطعیت مواجه می شوند، انگیزه به تعویق انداخت سرمایه گذاری ها دارند تا اینکه اطلاعات بیشتری آشکار شود اگر سرمایه گذاری ها پر هزینه و (تاحدی) معکوس ناپذیر باشند. جالب است بدانیم که آیا هزینه سرمایه بر سرمایه گذاری R&D بعد از کنتر کردن کانال معکوس ناپذیری سرمایه تاثیر می گذارد یا خیر.

برای بررسی اثر نهایی کانال هزینه سرمایه، میزان معکوس ناپذیری در سرمایه گذاری را با استفاده از چندین نماینده سطح صنعت، مثل مقاله گولن و یون (2016)، کنترل می کنیم. اولین نماینده یا پروکسی، معکوس قابل نصب بودن دارایی پیشنهاد شده توسط کیم و کونگ (2017) می باشد. ما از جدول «جریان سرمایه دفتر تحلیل اقتصادی 1997» برای ساختن این پروکسی استفاده می کنیم. این جدول، حاوی مخارج برروی 180 دسته بندی دارایی براساس شرکت ها در 123 صنعت است [22]. اولیه معیار معکوس ناپذیری در سه مرحله ساخته می شود. ابتدا، یک نمره نصب پذیری برای هر دسته دارایی به صورت تعداد صنایع استفاده کننده از دارایی، ضربدر 123، محاسبه می شود. یک دارایی ، استفاده شده توسط یک صنعت در نظر گرفته می شود، اگر مخارج آن صنعت از دارایی، بیشتر از 1/0% از مخارج کل بروی آن دارایی توسط همه صنایع باشد. دوم اینکه، شاخص نصب پذیری سطح صنعت، به صورت میانگین وزنی نمره های نصب پذیری طبقات دارایی سرمایه گذاری شده، ساخته می شوند. وزن هر طبقه دارایی، مخارج یک صنعت بر دارایی، تقسیم بر مخارج کلی آن صنعت می باشد. شرکت های درون صنایع دارای شاخص نصب پذیری بیشتر، دارایی های نصب پذیر بیشتری دارند و به احتمال بیشتر، کسر بالاتری از سرمایه گذاری را بازیابی می کنند. سوم اینکه، معیار معکوس ناپذیری برای هر صنعت به صورت معکوس شاخص نصب پذیری (NonRedeloyablitity) محاسبه می شود.

معیار معکوس ناپذیری دوم، براساس چرخه ای بودن فورش های شرکت ها به پیروی از شارپه (1994) و آلمیدا و کامپلو (2007)، محاسبه می شود. ابتدا، همبستگی فروش هر شرکت و تولید ناخالص ملی در دوره نمونه گیری شده را محاسبه می کنیم. همبستگی های سطح شرکت، سپس در سطح SIC سه رقمی، میانگین گیری می شوند. معیار معکوس ناپذیری سطح صنعت، یک متغیر ساختگی است که برای صنایع دارای همبستگی بالاتر از میانه، 1 است و در غیر اینصورت، صفر می باشد. برای شرکت های درون صنایع چرخه ای، بازیابی سرمایه گذاری هایشان دشوارتر است، زیرا خریداران بالقوه دارایی آنها احتمالاً همچنین تحت تاثیر شوک های منفی در طی رکود اقتصادی قرار می گیرند.

نماینده سوم معکوس ناپذیری، یک معیار هزینه های sunk سطح صنعت مثل روش فاریناس و روانو (2005) می باشد. سرمایه گذاری در صنایع دارای هزینه sunk بیشتر، معکوس پذیری سخت تری دارد. ابتدا، هزینه های sunk سطح شرکت را با استفاده از سه نماینده، سنجش می کنیم: مخارج اجاره، مخارج استهلاک و مخارج گذشته PPE که همه آنها بوسیله PPE ابتدای سال پولی، به هنجار می شوند. سطح صنعت به معنای آن است که این سه نماینده در هر سال، سپس در سطح SIC سه رقمی بدست می آیند. شرکت های دارای نسبت دارایی های اجاره شده بیشتر، سرمایه مستهلک شده سریعتر، بازارهای بازفروش فعال تر برای دارایی ها، هزینه های sunk کمتری دارند. سپس، سه متغیر شاخص را ایجاد می کنیم که برابر با 1 هستند، اگر هزینه sunk سطح شرکت، بیشتر از میانگین صنعت باشد و در غیراینصورت صفراست. یک شاخص هزینه sunk، به صورت ترکیبی از سه شاخص، ساخته می شود. شاخص هزینه sunk برابر با صفر در نظر گرفته می شود اگر هر سه شاخص برابر با صفر باشند؛ برابر با 2 می شود اگر هر سه شاخص برابر با 1 باشند و برای باقی موارد، برابر با 1 است. مقدار بالاتر شاخص هزینه sunk نشان دهنده درجه بالاتر معکوس ناپذیری سرمایه گذاری است.

در جدول 5، اهمیت نسبی هزینه سرمایه و برگشت ناپذیری سرمایه گذاری را با شامل کردن نماینده هایی برای هزینه سرمایه و برگشت ناپذیری سرمایه گذاری به رگرسیون خط مبنا، بررسی می کنیم. ما اثرات شرکت ثابت را کنترل نمی کنیم، زیرا نماینده های برگشت ناپذیری سرمایه گذاری، زمان پایا می باشند. یکی از نگرانی های بالقوه در مورد این تست، این است که هزینه سرمایه نیز ممکن است تحت تاثیر عوامل دیگری که در مدل شامل نشده اند، قرار گیرند. این احتمال وجود دارد که شرکت های نوآور تر، هزینه سرمایه بالاتری داشته باشند. برای رفع این نگرانی، مدل را با استفاده از رویکرد متغیر ابزاری، برآورد می کنیم. ما از قرائت پذیری افشاهای عمومی شرکت ها به عنوان یک ابزار برای هزینه سرمایه تک تک شرکت ها استفاده می کنیم. براحتی می توان فهمید که هرچه قرائت پذیری کاربردهای آتی، ثبت اوراق  بهادار یا پرونده های 10-K بیشتر باشد، به سرمایه گذاران کمک می کند تا اطلاعات را از اسناد استخراج و ارزیابی کنند که این بر هزینه سرمایه ای یک شرکت تاثیر خواهد گذاشت [23]. اما، قرائت پذیری افشاهای مالی شرکت ها، مستقیماً بر سرمایه گذاری R&D شرکت ها، بجز از طریق هزینه های تامین مالی شرکت، تاثیر نمی گذارد. ما از معیار زبانی ساده ابداع شده توسط لوگران و مک دونالد (2014) برای اندازه گیری قرائت پذیری پرونده های دولتی برای کمیسیون های اوراق بهادار و ارز (SEC) استفاده می کنیم. این معیار زبان ساده، یک آماره استاندارد شده است که شش مولفه مکتوب مشخص شده توسط قانون زبان ساده SEC را تجمیع می کند: طول میانگین جمله، طول میانگین کلمه، صدای منفعل، قانونی بودن، صفت های شخصی و عبارت های منفی/سطحی. این معیار سالانه با استفاده از تحلیل متنی ساخته می شود تا اطاعت شرکت ها از الزامات زبانی ساده SEC در فرم 424، S-1 و پرونده های 10-K در دوره 1994 تا 2009، بررسی شوند.

نتایج سطح دوم از برآورد حداقل مربعات مرحله دوم، گزارش داده شده اند [24]. ضرایب مربوط به WACC و دو نماینده معکوس ناپذیری سرمایه گذاری: Cyclycality و SunkCost، منفی و معنادار می باشند. ضریب NonRedeployabiltiy منفی اما غیرمعنادار است. برای ارزیابی اهمیت نسبی WACC و NonRedeployabiltiy، ضرایب بتای استاندارد شده را در پرانتز بیان می کنیم. ضرایب استاندارد شده برای برآورد با استفاده از سیکلی بودن فروش های شرکت ها و هزینه های sunk به عنوان نماینده های بازگشت ناپذیری سرمایه گذاری گزارش نمی شونأ، زیرا این دو سنجه یا معیار، متغیرهای طبقه ای می باشند. ضریب استاندارد شده برروی WACC، برابر با -0.2727 می باشد که از نظر اندازه بزرگتر از ضریب استاندارد برروی NonRedeployabiltiy (-0.0297) می باشد. این نتیجه نشان می دهد که هزینه سرمایه، نسبتاً از نظر تاثیر گذاری بر سرمایه گذاری های R&D شرکت ها نسبت به بازگشت ناپذیری سرمایه گذاری، مهمتر است. کانال بازگشت ناپذیری سرمایه گذاری پیشنهاد شده در ادبیات نمی تواند کامل توضیح دهنده اثر عدم قطعیت سیاست اقتصادی باشد.

 

5. شواهد بیشتر
   5. محدودیت های مالی

برای تقویت بیشتر هزینه سرمایه، تغییرات مقطعی را از نظر اثرات GEPU بر نوآوری براساس محدودیت های مالی مواجه شده توسط یک شرکت را بررسی می کنیم. اگر عدم قطعیت سیاست اقتصادی بر نوآوری شرکت از طریق هزینه های تامین مالی اثر بگذارد، شرکت های دارای محدودیت بیشتر از نظر مالی، به احتمال بیشتر تحت تاثیر قرار می گیرند. عدم تامین سرمایه می تواند شرکت ها را از سرمایه گذاری در پروژه های نوآوری، منصرف کند.

ما از معیار مبتنی بر تحلل متنی ابداع شده توسط هوبرگ و ماکسیمویچ (2015) استفاده می کنیم تا درجه محدودیت مالی مواجه شده توسط یک شرکت را سنجش کنیم [25]. این معیار، با استفاده از افشاهای اجباری مربوط به نقدینگی شرکت در بخش «بحث مدیریت و تحلیل» (MD&A) در پرونده های 10-K ساخته می شود. در بخش MD&A، مدیران در مورد تاخیر بالقوه در سرمایه گذاری بخاطر محدودیت ها در تامین مالی بحث می کنند. این قید مالی، ناتوانی شرکت ها در کسب تامین مالی برای سرمایه گذاری های برنامه ریزی شده را سنجش می کند. مقدار بالاتر این قید مالی، نشان می دهد که یک شرکت در خطر تاخیر انداختن طرح های سرمایه گذاری بخاطر مسائل مالی است.

با استفاده از این معیار قید مالی، ما بررسی می کنیم که آیا شرکت های دارای محدودیت مالی بیشتر، سرمایه گذاری کمتری می کنند هنگامی که عدم قطعیت سیاستی افزایش می یابد. در جدول 6، معیار قید مالی و اثر متقابل آن با Exog.EPU به مدل رگرسیون خط مبنا، را شامل می کنیم. ضرایب برآورد شده برروی جمله اثر متقابل، برای سرمایه گذاری بر R&D و تولید حق اختراع، منفی و معنادار می باشند. نتایج نشان می دهند که اثر عدم قطعیت سیاست اقتصادی بر نوآوری برای شرکت های دارای محدودیت مالی بیشتر، قوی تر است که این با این دیدگاه همخوانی دارد که هزینه سرمایه، یک کانال ضمنی است که از طریق آن، عدم قطعیت سیاست، فعالیتهای نوآوری شرکت ها را شکل می دهد.

 

​​​​​​​رقابت بازار محصول

ویدز (2002) استنباط می کند که برای شرکت ها، تعویق انداختن سرمایه گذاریهایشان هنگام مواجه با رقابت، هزینه دارد. عدم قطعیت در مورد سیاست اقتصادی دولت می تواند بطور بالقوه فرصت هایی برای شرکت ها برای انجام سرمایه گذاری های استراتژیک و حصول مزیت های رقابتی، بوجود بیاورد. بنابراین، بررسی این جالب است که آیا تاثیر عدم قطعیت سیاست اقتصادی بر نوآوری بوسیله رقابت بازاری محصول، شکل می گیرد یا خیر.

این ادبیات بیان می کند که رقابت بازاری محصول بر مشوق های نوآوری شرکت ها تاثیر می گذارد (آگیون، بلوم، بلوندل، گریفیت و هوئیت (2005). از یک سو، رقابت می تواند سرمایه گذاری های R&D را ترغیب کند هنگامی که منفعت های پله ای کسب شده توسط پیشروی فنآوری از نوآوری، نسبت به شرکت های دیگر صنعت، بزرگتر باشند (آگیون، بلوم، بلوندل، گریفیت و هویت (2001). از سوی دیگر، رقابت می تواند از نوآوری جلوگیری کند که این کار را با کاهش جریان و مدت رانت از نوآوری را جلوگیری کند (آگیون و هوئیت (1992)). بنابراین، فی نفسه مشهود نیست که آیا رقابت بازاری محصول تاثیر عدم قطعیت سیاست اقتصادی بر نوآوری شرکت را تقویت می کند یا رفع می کند.

از دو معیار رقابت بازاری محصول برای بررسی تاثیر رقابت بازاری محصول استفاده می کنیم. معیار اول، معیار تمرکز صنعت «هوبرگ و فیلیپس» (2016) می باشاد که با استفاده از شرکت ها و رقیبانشان شناسایی شده از توصیفات تجاری پرونده های 10-K، استفاده می کند. تمرکز صنعتی، بوسیله شاخص هرفینداهل-هرشمن (HHI) براساس «دسته بندی صنعت شبکه مبتنی بر متن»، اندازه گیری می شود. درجه پایین تر تمرکز بازاری محصول، نشان دهنده رقابت بیشتر است. معیار رقابت دوم، معیار سیالیت بازار محصول «هوبرگ، فیلیپس و پرابهالا» (2014)، ساخته شده براساس تحلیل متنی توصیفات تجاری از پرونده های 10-K می باشد. این معیار سیالیت سطح شرکت، بر دینامیک فضایی محصول تمرکز می کند و شباهت محصول یک شرکت و رقیبانش را سنجش می کند. مقدار بالاتر معیار سیالیت، بازگو کننده تهدیدهای بازار محصولی بیشتر از جانب رقیبان است.

ما یک شاخص Competitive را شامل می کنیم که برابر با 1 می شود اگر معیار تمرکز صنعت (سیالیت بازار محصول) پایین تر (بالاتر) از میانه و یک جمله اثر متقابل بین متغیر ساختگی Competitive و Exog.EPU برای مدل خط مبنا باشد. نتایج برآورد براساس معیار تمرکز صنعت و سیالیت بازار محصول در تابلوی الف و تابلوی ب جدول 7، به ترتیب بیان شده اند. ضرایب منفی جمله اثر متقابل نشان می دهد که رقابت بازاری محصول معمولاً اثرات منفی عدم قطعیت سیاست اقتصادی بر فعالیت های نوآوری شرکت ها را تقویت می کند.

 

​​​​​​​وابستگی به تامین مالی از بیرون

بخوبی گزارش داده شده که تامین مالی برای فعالیت های نوآوری پرهزینه، بسیار مهم است (هال و لرنر (2010) و کر و ناندا (2015)). در جهانی پر از اصطکاک مالی، تلاش های نوآوری شرکت ها نه تنها به جایگاه فنی و ساختار بازار محصول بلکه همچنین به دسترسی به سرمایه، بستگی دارد. ظرفیت یک شرکت برای مبادرت در نوآوری برای فرار از رقابت ممکن است بوسیله توانایی اش برای ایمن و تامین سرمایه مورد نیاز برای نوآوری، محدود شود. توانایی دسترسی به بازار سرمایه برونی، در طی دوره های عدم قطعیت بسیار مهم می شود هنگامی که تامین مالی عموماً گرانتر می شود. تا آنجایی که سرمایه بیرونی برای نوآوری تامین مالی مرتبط است، انگیزه استراتژیک نوآوری شرکت ها، در یک محیط رقابتی و غیرقطعی ممکن است تحت تاثیر اتکای شرکت ها به تامین مالی قرار گیرد.

برای درک اهمیت تامین مالی برای نوآوری استراتژیک، شرکت ها را به صنایع «وابسته به تامین مالی بیرونی» (EFD) و وابسته به تامین مالی داخلی (IFD). برای تعیین وابستگی صنعت به تامین مالی بیرونی، از روش راجان و زینگالس (1998) استفاده می کنیم و نیاز یک شرکت به تامین مالی بیرونی در یک سال را به صورت کسری از سرمایه گذاری که از طریق جریان نقدی داخلی تامین نشده، اندازه گیری می کنیم [26]. وابستگی تامین مالی از بیرون سطح صنعت سری زمانی، به صورت مقدار میانه نیازهای تامین مالی بیرونی همه شرکت ها در صنعت کد SIC سه رقمی در هر سال، اندازه گیری می کنیم. سپس تامین مالی بیرونی هر صنعت را به صورت میانه سری زمانی آن، اندازه گیری می کنیم [27]. یک صنعت با مقدار مثبت وابستگی تامین مالی بیرونی، اتکای بیشتری به سرمایه بیرونی، برای تامین مالی سرمایه گذاری خود دارد.

ما بطور جداگانه مدل رگرسیون در جدول 7 را برای شرکت های قرار گرفته در صنایع وابسته به تامین مالی بیرونی و داخلی را برآورد می کنیم. نتایج گزارش شده در جدول 8 براساس معیار سیالیت بازار محصول می باشند. نتایج مشابهی بدست آمد هنگامی که شاخص هرفینداهل استفاده شود. برای شرکت هایی که در صنایع وابسته به تامین مالی بیرونی قرار دارند، ضرایب جمله اثر متقابل بین متغیر ساختگی Competitive و Exog.EPU، منفی و معنادار باقی می ماند (تابلوی الف). برای شرکت های در صنایع وابسته به تامین مالی داخلی، ضرایب جمله اثرمتقابل بین متغیر ساختگی Competitive  و Exog. EPU، غیرمعنادار می شود (تابلوی ب). رقابت بازار محصول، اثر منفی عدم قطعیت سیاست اقتصادی بر نوآوری شرکت را رفع می کند، هنگامی که شرکت ها اتکای کمتری به سرمایه بیرونی برای تامین مالی نوآوری داشته باشند. تفاوت مقطعی بین شرکت هایی که کم و بیش به تامین مالی بیرونی وابسته است، با این دیدگاه همخوانی دارد که هزینه تامین مالی، نقشی در شکل دادن تاثیر عدم قطعیت سیاست اقتصادی بر تلاش های نوآوری شرکت ها ایفا می کند.

 

6. استوار بودن (متغیرها)
   6. متغیر ابزاری

یکی از نگرانی های بالقوه در مورد شاخص عدم قطعیت سیاست اقتصادی، درونزادی است. بلوم (2014) گزارش می دهد که عدم قطعیت، با چرخه های تجاری، ضد چرخه ای، نوسان می کند. عدم قطعیت زیاد در سیاست ممکن است با کاهش فرصت های رشد در طی شرایط اقتصادی بد، منطق شود که این کار باعث نوآوریهای کمتر می شود. اگرچه یک مجموعه از متغیرهای سطح شرکت و سطح کلی را برای کنترل فرصت های سرمایه گذاری و شرایط اقتصادی در تحلیلمان شامل می کنیم، اما اثر عدم قطعیت سیاست اقتصادی بر نوآوری ممکن است هنوز بوسیله عوامل مشاهده نشده دیگر، مواجه شوند. ما از چندین استراتژی برای رفع بیشتر این نگرانی استفاده می کنیم.

اولین استراتژی برای رفع مسئله درونزادی، رویکرد متغیر ابزاری است. ما از قطبیت سیاسی در مجلس نمایندگان به عنوان یک ابزار برای عدم قطعیت سیاسی، استفاده می کنیم. هنگامی که احزاب سیاسی کنگره، بیشتر دو قطبی شوند، برای سیاست گذاران رسیدن به یک اجماع، بیش از پیش دشوار می شود که این باعث بوجود آمدن عدم قطعیت بیشتر می شود. بیکر، بلوم، کانز-رون، دیویس و رادن (2014)، اشاره می کنند که افزایش دو قطبی سیاسی، دلیلی برای افزایش عدم قطعیت اقتصادی مرتبط با سیاست در ایالات متحده از سال 1960 بوده است. بنابراین، دو قطبی شدن سیاسی، احتمالاً شرط ارتباط (relevance) را به عنوان یک ابزار، برآورده می کند. اما، مشهود نیست که قطبیدگی سیاسی بر نوآوری شرکت ها از طریق کانالی بجز عدم قطعیت سیاسی، که در محدودیت عدم شمول صدق می کند، تاثیر می گذارد یا خیر.

برای ساختن معیار قطبیدگی سیاسی، داده های رای House roll-call ایالات متحدهرا از پایگاه داده موسسات سیاسی و Public Chiice House Roll-Call، بدست می آوریم. ما بر دو نوع تصویب های مجلس،لایحه ها و حل و فصل مشترک تاکید می کنیم که می توانند بر قوانین یا قوانین موضوعه، تاثیر بگذارند. ما قطبیدگی سیاسی را به صورت عدم توافق میانگین در مورد لوایح یا حل و فصل های مشترک ملاحظه شده در مجلس، اندازه گیری می کنیم [28]. مخصوصاً اینکه، قطبیدگی به صورت … تعریف می شود که در آن Yea_n,t%(Nay_n,t%) درصد رای های Yea (Nay( بله و نه) در میان همه رای ها برای لایحه n در سال t می باشند. N تعداد کل لوایح یا حل و فصلهای مشترک در سال t می باشد. به لوایح مربوط به اقتصاد، مالیات، بودجه، مناسب ها، دفاع و سیاست خارجی، نگاه می کنیم. مقدار بالاتر این متغیر نشان دهنده درجه بالاتر قطبیدگی است.

مدل داده های تابلویی خط مبنا را با استفاده از معیار قطبیدگی سیاسی به عنوان ابزاری برای عدم قطعیت سیاست دولتی، برآورد می کنیم. نتایج مرحله دوم از برآورد حداقل مربعات دو سطحی در تابلوی الف از جدول 9 گزارش شده اند. ضرایب عدم قطعیت سیاست اقتصادی، منفی و معنادار باقی می مانند. نتایج ما نسبت به برآورد متغیر ابزار، مقاوم و استوار هستند. آماره F سطح اول، از 10 فراتر می رود که این نشان می دهد که این ابزار در شرط ارتباط صدق می کند.

 

1. 6. انتخابات بسته

به عنوان استراتژی دوم برای رفع نگرانی درونزادی، از انتخابات کنگره بسته برای استخراج عدم قطعیت مرتبط با سیاست استفاده می کنیم. دموکرات ها و جمهوری خواهان از نظر موضع ایده ئولوژیک و سیاست های اقتصادی، متغیر از مخارج  R&D تا مقررات ، تفاوت دارند. دموکرات ها معمولاً بر اهداف خاص، مانند تولید انرژی ایمن و پاک یا اکتشاف فضا تمرکز دارند و همچنین خواهان یارانه دادن به نوآوری سطح اولیه در بخش خصوصی می باشند. از سوی دیگر، جمهوری خواهان ترجیح می دهند بر شرایط عمومی، مالیات کم بر شرکت ها و ایجاد انگیزه برای ترغیب نوآوری، مانند اعتبار مالیاتی R&D، تمرکز کنند (کاهین و هیل (2010)). قطبیدگی در کنگره، بهره وری کنگره ای را در قانون گذاری و مشوق ها برای همکاری دو طرفه، کاهش می دهد که این می تواند تاثیر قابل توجهی بر محیط اقتصادی داشته باشد. برای مثال، جدال در کنگره بر سر اینکه آیا سقف بدهی در آگوست 2011 افزایش یابد یا نیابد، باعث تنزل رتبه بندی بدهی دولت ایالت متحده توسط Standrad&Poor’s (S&P) شد. انتخابات کنگره در تغییرات احتمالی  در سیاست های دولتی مشارکت داشته باشند و اینها می توانند مستقیم و غیرمستقیم بر فعالیت های تجاری شرکت ها تاثیر بگذارند.

از آنجایی که زمان بندی انتخابات مستقل از شرایط اقتصاد کلان است، انتخابات کنگره، یک چارچوب تجربه اندوزی طبیعی برای تفکیک تاثیرات عدم قطعیتسیاسی از دیگر عوامل اقتصادی بر سرمایه گذاری، فراهم می کنند. انتخابات نزدیک یابسته با نتایج غیرقابل پیش بینی، شوک های برونزاد احتمالی بر عدم قطعیت سیاسی بوجود می آورد که این به ایجاد یک اثر علیتی عدم قطعیت سیاست بر نوآوری، کمک می کند.

ما داده های نتیجه انتخابات کنگره را از کمیسیون انتخابات فدرال آمریکا، گردآوری می کنیم. این نمونه به انتخابات عمومی برای مجلس نمایندگان و سنا، محدود است. ما بر انتخابات نزدیک تمرکز می کنیم، هنگامی که تفاوت درصد رای ها بین دموکرات ها و جمهوری خواهان، 5% یا کمتر باشد. ما رگرسیون خط مبنا را که بجای Exog. EPU، یک متغیر ساختگی انتخابات نزدیک کنگره (Congressional Election) اجرا می کنیم که برابر با 1 است اگر یک انتخابات نزدیک در سال t وجود داشته است و در غیر اینصورت صفر است. ما تاثیر بر سرمایه گذاری های R&D شرکت ها تا زمانی که عدم قطعیت در مورد نتایج انتخباتت کنگره در نوامبر رفع می شود، را بررسی می کنیم. همچنین، چرخه های انتخابات، هنگامی که انتخابات کنگره در سالهای زوج رخ می دهد را کنترل می کنیم. تابلوی ب در جدول 9، نتایج برآورد را گزارش می دهد. ضرایب Congressional Election، منفی و معنادار می باشند. تا آنجا که انتخابات نزدیک کنگره، سنجش کننده عدم قطعیت در مورد سیاست دولتی است، فعالیت های نوآوری شرکت ها تحت تاثیر منفی عدم قطعیت سیاستی قرار می گیرند.

به پیروی از جولیو و یوک (2012)، از انتخابات ریاست جمهوری نزدیک به عنوان شوک برونزاد احتمالی دیگر بر سیاست های دولتی استفاده می کنیم. انتخابات به تفکیک تاثیر عدم قطعیت مرتبط با رهبری ملی و سیاست ها از عوامل محدود کننده دیگر، کمک می کنند. انتخابات ریاست جمهوری نزدیک، بازگو کننده تغییرات بالقوه در سیاست های دولتی فراتر از سیاست های اقتصادی می باشند. در بازه زمانی نمونه، دو انتخابات ریاست جمهوری  نزدیک وجود داشت: انتخابات 2000 و 2004. ما رگرسیون خط مبنا را با جایگزینی Exog. EPU با یک متغیر ساختگی انتخابات نزدیک (Presidential Election)، اجرا کردیم که برابر است با 1 اگر یک انتخاب ریاست جمهوری نزدیک در سال t وجود داشته باشد و در غیراینصورت صفر است. همچنین، چرخه های انتخابات را کنترل می کنیم. تابلوی C در جدول 9، نتایج برآورد را گزارش می دهد. ضرایب Presidential Election، منفی و معنادار می باشند که این با این یافته همخوانی دارد که عدم قطعیت زیاد در سیاست دولت، از نوآوری جلوگیری می کند.

 

1. 6. معیارهای دیگر هزینه سرمایه

در این بخش، از مدل های دیگری برای برآورد کردن هزینه تلویحی دارایی ویژه و هزینه بدهی، استفاده  می کنیم. معادله (4) رابا استفاده از معیارهای جایگزین هزینه دارایی ویژه تلویحی، برآورد می کنیم. جدول 10 نشان می دهد که ضرایب Exog.EPU، مثبت و معنادار هستند و این نشان دهنده آن است که هزینه دارایی ویژه با افزایش عدم قطعیت، بالا می رود. بزرگای این تاثیر با استفاده از رویکرد لی و موهانرام (2014) نسبتاً بزرگتر است، زیرا این برآورد شامل شرکت های کوچکتر بدون پوشش تحلیلگر می باشد. در ستون (4)، از بازده اوراق بهادار شرکتی برای کلاس های  رتبه بندی مختلف  به عنوان یک معیار جایگزین برای هزینه بدهی استفاده می کنیم. بازده ها، «بازده های موثر شرکت US از BofA Merrill Lynch برای رتبه بندی های CCC, B, BB, BBB, A, AA, AAA یا کمتر از آنها می باشند. داده ها از وب سایت بانک فدرال رزو سنت لوئیس، بدست آمده اند. ما داده های نمره بندی اعتباردهی S&P را از Compustat بدست می آوریم و آنهارا با داده های مالی بدست آمده از GYKEY و Datadate، انطباق می دهیم. فرض می کنیم که شرکت ها، نمره اعتباری یکسانی را حفظ می کنند تا اینکه تغییر در رتبه بندی، رخ دهد. برای شرکت های بدون رتبه اعتبار، رتبه سنتزی را با استفاده از رویکرد دامونداران (2012) محاسبه می کنیم. نسبت پوشش بهره، تعریف شده به  صورت درآمد قبل از بهره و مالیات تقسیم بر مخارج بهره، برای بدست آوردن رتبه سنتزی، استفاده می شود [29]. ما از بازده هر طبقه  رتبه به عنوان هزینه بدهی برای شرکت ها در آن کلاس رتبه اعتباری، استفاده می کنیم. از آنجایی که داده های  «بازده موثر شرکتی ایالات متحده» BofA Merrill Lynch تنها از سال 1997 موجود می باشند، دوره برآورد از 1997 تا 2007 برای این تصریح می باشد. نتایج برآورد نشان می دهد که GEPU هنوز تاثیر مثبت و معناداری بر هزینه های استقراض شرکت ها، با استفاده از معیار هزینه بدهی جایگزین، دارد.

سپس  WACC را با استفاده از هزینه بدهی بعد از مالیات و هزینه دارایی ویژه تلویحی، براورد شده با مدل گوده و موهانرام (2003) محاسبه می کنیم. ستون 5، نشان می دهد که ضریب شاخص عدم قطعیت، مثبت و معنادار است. نتایج ما نسبت به معیارهای جایگزین هزینه سرمایه، مقاوم می باشند.

 

جدول 4

نتایج تست والد برای علیت گرانجر در VAR های دو تابلویی که پوشش دهنده تغییرات روزانه در حوال هفت انتخابات. این دو VAR ها از نظر معیارهای استفاده شده برای استخراج عدم قطعیت انتخابات، تفاوت دارند. معیار اول، یعنی EU^NP، یک معیار غیرتعصبی است، دومی، EU^P با احتمال پیروزی حزب حاکم، مطابقت دارد. معیار تعصب یا پارتیزان را می توان دید که قدرت بیشتری در عدم قطعیت مالی با علت گرانجر دارد و باعث بوجود آمدن نظامی می شود که در آن عدم قطعیت انتخابات برونزاداست از این نظر که علیت گرانجر از عدم قطعیت انتخابات بوسیله ترکیبی از متغیرهای دیگر، رد می شود (مقدار p برابر با 0.46).  

 

جدول 5

EU^NP VAR: نتایج FEVD بعد از 10 گام زمانی از یک شوک تا متغیر ضربه، مقادیر نشان دهنده درصد واریانس خطای پیش بینی توضیح داده شده کلی از متغیر پاسخ ناشی از شوک به متغیر ضربه، می باشند. VAR با متغیرهای فهرست شده به ترتیب کاهشی برونزادی، مشخص می شود. این مرتب سازی براساس نتایج علیت گرانجر در جدول 4 برای یک تست علیت بوسیله همه متغیرهای دیگر می باشد. صرف واریانس، VP، برونزاد ترین متغیر است و پس از آن عدم قطعیت مالی، FU، قرار دارد؛ عدم قطعیت انتخابات غیرتعصبی، EU^NP و عدم قطعیت سیاست اقتصادی، EPU، که دیده شده درونزاد ترین متغیراست. یافته های اصلی ما از این VAR سیستم، تاثیر ضعیف EU^NP و EPU بر FU و تاثیر بی صدا شده EU^NP بر EPU (در مقایسه با نتایج احتمال حزب حاکم در جدول 6) می باشند. اینها، با حروف بولد (توپر) نوشته شه اند و در مقابل تغییرات ترتیب شناسایی VAR تابلو در جدول 8 مقاوم می باشند.

 

جدول 6

EU^PVAR: نتایج FEVD بعد از 10 گام زمانی از شوک تا متغیر ضربه. مقادیر، درصد واریانس خطای پیش بینی توضیح داده شده کلی متغیر پاسخ بخاطر شوک به متغیر تکانه یا ضربه می باشند. VAR با متغیرهای فهرست شده به ترتیب کاهشی برونزادی در قسمت اول جدول، مشخص می شود. این ترتیب بندی براساس نتایج علیت گرانجر در جدول 4 برای تست علیت توسط همه متغیرهای دیگر می باشد. صرف واریانس، VP، برونزاد ترین متغیر است و بعد از آن احتمال حزب حاکم، EU^P قرار دارد؛ عدم قطعیت مالی، FU و عدم قطعیت سیاست اقتصادی، EPU، که دیده شده درونزادترین متغیر بوده است. نتایج اصلی ما در مورد تاثیر زیاد EU^P بر FU و EPU و عدم وجود تاثیر EPU بر FU، به صورت بولد می باشند و در مقابل تغییرات در ترتیب شناسایی VAR تابلو در جدول 7، مقاوم و استوار می باشند.

 

پیوست ب. کنار گذاشتن بحران مالی

در این بخش، تحلیل اصلی کنار گذاشتن انتخابات 2008، که با بحران مالی همزمان بود را تکرار می کنیم. نتایج علیت گرانجر نشان می دهند که EU^P در علت FU در نمونه شش انتخابات بدون بحران دیگر با مقدار χ²=3.4 (مقدار p=0.06)، معنادار است. همچنین صرف واریانس در گرانجر باعث FU، با χ²=8.1 (مقدار p=0.00)، معنادار است. همه روابط علیت دیگر در سطح 10% غیرمعنادار بودند، به گونه ای که FU که علت گرانجر EPU در سطح اطمینان 13% بود و همه روابط دیگر مقادیر P برابر با 0.2 یا بیشتر داشتند. تحلیل FEVD در مورد 6 انتخابات بدون بحران مالی نشان دادند که 8/29 درصد از FU و 1/29 درصد از EUP، بوسیله تغییرات EU^P در سیستم VAR توجیه می شوند. اهمیت تغییرات حزب حاکم در حوالی انتخابات از نظر تاثیر بر عدم قطعیت مالی و عدم قطعیت سیاسی، بنابراین به شامل کردن دوره بحران مالی، وابسته نیستند.

 

پیوست ج. پنجره نمونه انتخابات

 

جدول ج.11

بررسی های استواری با تغییر دادن مدت پنجره نمونه برای تحلیل. درصد تغییرات عدم قطعیت مالی تبیین شده بوسیله تغییرات عدم قطعیت انتخابات پارتیزان، از 51 درصد تا 7/19 درصد متغیر است ، زیرا پنجره نمونه از هفت روز کاری تا ده روز کاری، افزایش داده شده است. این برای یک نمونه که شامل حداکثر 20 روز ااست، به صفر کاهش پیدا می کند. تغییرات صرف واریانس بنظر می رسد یک پنجره کوتاه تر اهمیت یا ارتباط در حوالی انتخابات دارد که این بر عدم قطعیت انتخابات و عدم قطعیت سیاست تاثیر می گذارد و سریعاً بعد از هفت روز کاری قبل از انتخابات، کاهش می یابد.

 

شکل 7. EU^NPVAR. توابع پاسخ ضربه برای تابلوی VAR با استفاده از عدم قطعیت انتخابات بدون جهت، EU^NP، برای استخراج عدم قطعیت انتخابات. یک شوک یک انحراف معیار به عنوان متغیر ضربه در هر حالت بکار می رود که پاسخ ها همچنین برحسب انحراف معیار نمایش داده می شوند. خطوط نقطه چین، بازه های اطمینان 90% را بیان می کنند. شوک برای EU، تاثیر بسیار محدودی بر عدم قطعیت بازار (هم FU و هم VP) و تاثیر بسیار محدود بر EPU نسبت به نتایج بدست آمده با استفاده از احتمال انتخاب حزب حاکم، EU^P، به عنوان معیار عدم قطعیت انتخابات، دارند، همانگونه که در شکل 8 زیر نشان داده شده.