钱追着「人气」跑：投资者需求如何悄悄拧歪了资本配置

[2025 JFE] Investor Demand, Firm Investment, and Capital Misallocation
Jaewon Choi, Xu Tian, Yufeng Wu, Mahyar Kargar
Jun He June 01, 2026
公司金融 结构估计 资本误配 投资者需求
Note

本文读的是 Choi, Tian, Wu & Kargar (2025, Journal of Financial Economics)：他们把「投资者需求」直接搬进一个动态投资模型，发现需求的涨落一面能放松融资约束、帮企业把投资做到位，一面又把资本按「人气」而非「生产率」重新洗牌。两股力相抵，后者占了上风——若抹掉这部分超额需求，企业间资本边际产出 (MPK) 的离散度会下降 26.9%，全要素生产率 (TFP) 的损失会减少 23.4%。

1 从 GameStop 说起

2021 年初，一群散户在论坛上把 GameStop 的股价抬到了天上。一家原本被认为日薄西山的线下游戏零售商，市值在几周内翻了几十倍。讥讽者很多，但有一件事容易被忽略：当股价飙到那个位置时，公司忽然可以用几乎白送的代价去发新股、把现金装进口袋——这扇融资的大门，在「人气」涌来之前是紧锁着的。

把镜头往前推三十年，1990 年代的纳斯达克泡沫里也是同样的剧本：互联网公司以任何理性定价都解释不了的价格交易，然后趁机大量增发。再往前，1987–1989 年的日本股市泡沫，Chirinko and Schaller (2001) 估计它带来了 6%–9% 的企业固定资产投资增长。

这些故事都指向同一个问题：当投资者出于非基本面的原因去追捧某些股票时，被追捧的公司拿到了本不该拿到的钱。那么，一个自然的问题是——这些钱，最后到底配到了谁手里？是配给了更有生产率、更缺钱的公司，还是恰恰相反？ 如果是后者，那么投资者需求的涨落，本身就成了资本误配 (capital misallocation) 的一个新来源。

这正是本文要回答的问题。而它的答案，比「泡沫是好是坏」这个老问题要精细得多。

2 三个事实：钱、人气、与投资

在动手建模之前，作者先用 1980–2021 年 CRSP 与 Compustat 的年度数据，摆出三个事实，把舞台搭好。

第一，股权融资不常见，但一旦发生就是「大动作」。 样本里企业某一年发行股权的概率只有 14.4%，而发债的概率高达 42.4%。可一旦发股，平均募资额是公司资产的 18.8%，75 分位高达 23.9%；相比之下，发债的均值只有 12.4%。而股票回购则更频繁（48.6% 的时间在回购）、更平滑，平均一次买回资产的 3.6%。换句话说，发股是不常用、但威力大的「核武」，回购则是日常的小火慢炖。

第二，公司更愿意在估值高的时候发股。 这是市场择机 (market timing) 文献的经典结论。作者把股权融资率对几个误定价代理变量做回归：托宾 Q (Tobin's Q)、可自由裁量应计 (discretionary accruals, DACCR)、股价涨幅，系数分别是 0.019***、0.060***、0.018***，在控制了公司特征以及公司、年份固定效应之后依然显著。

第三，也是关键的一步——发股募来的钱，真的变成了投资。 把投资率对股权融资率回归（表 2 Panel B），系数是 0.154***：股权融资每多一个百分点，投资多 15.4 个基点；作为对照，发债每多一个百分点只带来 25.7 个基点。更要紧的是，这种敏感性在不同公司之间差别巨大。作者用三个指标刻画公司的股权依赖 (equity dependence)——KZ 指数、财务灵活度指数 (FF)、以及历史「股权减债权」(ED) 指标——把它们与股权融资交乘，得到 0.015**(×KZ)、−0.116***(×FF)、0.239**(×ED)。按 ED 口径，公司从股权依赖度最低的 5 分位走到最高的 5 分位，投资—融资关系会增加 0.048，相对于基准值 0.125 上升了约 40%。

Table 2

Table 2

把这三个事实串起来：投资者的「人气」（误定价）→ 公司趁机发股 → 募来的钱被投出去，而且越是依赖股权融资的公司，这条链条传导得越猛。这其实就是一条「价格反过来影响实体决策」的反馈链（关于公司是否真的会盯着股价做决策，可参见《从马嘴里掏答案：直接问 4641 家公司，它们到底有没有在「看价格做决策」》）。

但故事到这里只讲了一半，而且是好听的那一半。

3 两条相反的力：宽松效应 vs 离散效应

接着，一个不那么舒服的问题浮现出来：如果「人气」让公司更容易发股、更敢投资，那它到底是帮了资本配置，还是害了它？

本文最核心的洞见，是把投资者需求对实体投资的影响，拆成方向相反的两条力。

第一条，约束宽松效应 (constraint-easing effect)。 需求的涨落给了公司市场择机的机会：在需求强、股价高时发股，在需求弱、股价低时回购，这一买一卖之间产生的利润，等于额外给公司发了一笔钱，放松了它的融资约束，让那些原本因为缺钱而投不足的公司，能把投资做到接近「无约束」的水平。这条力是好的——它让资本流向了缺钱的地方。

第二条，离散效应 (dispersion effect)。 但同样一桩金融交易，落在不同公司身上，效果天差地别。正的超额需求鼓励公司发股，给它额外的钱去投资；负的超额需求则逼公司缩减投资、转而优先去做那笔划算的金融交易（趁低回购）。问题在于：决定一家公司此刻是「发股投资」还是「回购缩投」的，是它当下的超额需求，而不是它的生产率。于是，资本被按「人气」而非「边际产出」重新分配，在 MPK 的横截面里硬生生楔进了一道新的扭曲。

这就是全文反复要讲透的那一个核心：

Warning

投资者需求像一只看不见的手，把钱从「此刻不受待见、但可能更该投资」的公司，挪向「此刻被追捧」的公司。它放松约束（好事），同时又制造离散（坏事）。最终哪条力占上风，是个定量问题——而本文的回答是：离散效应赢了。

要把「谁赢」这件事说清楚，光靠回归不够，因为约束宽松和离散是同一笔交易的一体两面，无法在数据里直接掰开。于是真正关键的一步来了：把投资者需求搬进一个结构化的动态投资模型，让两条力在模型里同台较量，再用数据去估出它们各自的分量。

4 把「需求」搬进投资模型

本文模型的骨架，是一个标准的新古典动态投资模型：一群异质性公司，面对真实摩擦（资本调整成本、固定经营成本、税收）与金融摩擦（抵押约束）做投资和融资决策。它的新意，在于把资本的供给side——也就是投资者需求——内生地接了进来。

需求side。 这一块建立在 Koijen and Yogo (2019) 的需求体系 (demand system) 之上：每个机构投资者对一只股票的组合权重，是该公司可观测特征（市值、账面市值比、盈利、投资等）的函数，再加上一个超出基本面的潜在需求 (latent demand) 成分。把所有投资者的需求加总、令市场出清，就得到了股价。于是，一只股票若被赋予更高的潜在需求，它的价格就被抬高——而当公司想增发或回购时，它面对的不再是一个「价格不动」的市场，而是一条向下倾斜的需求曲线。（关于「为什么投资者的需求曲线会这么陡、价格对供给这么敏感」，可参见《为什么「理性投资者」也会拒绝换股？——把需求弹性拆成两半》 与《弱替代：因子动物园是从哪里冒出来的？》。）

正是这条向下倾斜的需求曲线，把「超额需求」翻译成了「价格冲击」，给公司开出了一扇择机的窗口。

Figure 1: Excess demand and price impact

Figure 1: Excess demand and price impact

供给side（公司）。 公司持有净现金 \(C_t\)（取负值时表示净负债），它受一条抵押约束的约束：

$$-C_t \le \theta K_t$$

这里 \(\theta\) 是可抵押率 (pledgeability)，即公司能拿去向债主抵押的有形资产比例。\(K_t\) 是资本存量。这条约束很直白：你能借多少钱，取决于你有多少能抵押的「家当」。

公司可以靠内部现金或新发债来给投资融资；除此之外，它还能动用股权市场——发新股把现金装进来，或者派现金（分红、回购）出去。现金存量的演化，是全文机制的心脏：

$$ C_{t+1} = \cssId{a1}{\mathring{C}_t} + \cssId{a2}{E_t} - \cssId{a3}{\Psi(E_t)} - \cssId{a4}{D_t} $$

看懂这一个方程，就看懂了全文。\(E_t\) 是「需求强时发股进钱」，\(D_t\) 里的回购是「需求弱时低价买回」，而 \(\Psi(E_t)\) 这个发行成本/楔子把投资者需求的价格冲击接了进来。约束宽松效应与离散效应，全都从这一条现金账里长出来：择机交易带来的现金，要么补上了投资缺口（宽松），要么被拿去做了与生产率无关的金融操作（离散）。

公司每期最大化股东价值，权衡的就是：这笔被「人气」推着走的现金，是去买机器，还是去买自家便宜的股票。

5 怎么估：间接推断

然后是技术上最棘手的一步。需求side的参数不能用普通办法估——因为公司的决策（发股、回购、改变特征）会反过来进入投资者的需求函数，存在内生的反馈环。Koijen and Yogo (2019) 在纯资产定价的场景里用工具变量 (IV) 处理它，但在一个公司决策内生的动态模型里，那套 IV 不再适用。

作者的解法是间接推断 (indirect inference, Gourieroux et al. 1993)：先在数据上跑一个辅助模型，去近似「公司特征 ↔ 潜在超额需求」之间那层内生关系，得到一组辅助系数；再调结构参数，让模型模拟出来的数据能复现这组辅助系数。公司动态那一块，则用模拟矩估计 (simulated method of moments, SMM)，把模型矩匹配到真实矩上。

这套估计的可信度，靠两件事撑着。其一，估出来的需求弹性和投资者间、时间上的需求变异都落在合理范围。其二、也更有说服力的是外部验证：模型能复现一些没有被拿去做估计目标的数据特征，比如公司在增发新股 (SEO) 期间的高估值。一个没被「喂」过这个事实的模型，却能自己吐出来，这是结构估计里难得的信号。

6 结果：26.9% 与 23.4%

现在两条力可以同台较量了。作者构造一个反事实经济：关掉投资者的超额需求，其余不变，再看资本配置变好还是变坏。

衡量误配的尺子是 Hsieh and Klenow (2009) 那两把经典的：MPK 在公司横截面上的方差（离散度越大，配置越偏离最优），以及由此推出的 TFP 损失。结果是：抹掉超额需求后，MPK 离散度下降 26.9%，TFP 损失减少 23.4%。

也就是说——离散效应赢了。投资者需求的涨落，净效果是把资本配得更乱、把整体生产率拖得更低。「人气」开出的那扇融资窗口，看似雨露均沾，实则把钱按人气而非生产率重排了座次。

这个量级有多大？作者拿它和文献里已确立的几个误配来源比：投资者需求带来的扭曲，比债务市场摩擦、比资本调整成本都更可观，量级上可与 David et al. (2022) 强调的「风险驱动的误配」相提并论——而后者一向被认为是美国上市公司误配的主因之一。

资金流向也佐证了机制。作者追踪公司的「资金来源与运用」，发现公司不论是否受融资约束，都会把相当一部分资源拿去给投资者需求「择机」。但这种择机的代价并不对称：它主要挤出了受约束公司的投资，而不受约束的公司则多半把金融交易的所得派现给了老股东。换句话说，最需要钱去投资的公司，反而最容易被这场择机游戏抽走资源。

7 这真的是「情绪」吗？

讲到这里，一个挑剔的读者一定会追问：你说的「潜在超额需求」，凭什么是情绪，而不是公司基本面里你没观测到的那一块？这关乎整篇文章的诠释。

于是反转——或者说，落锤——出现在最后一节。作者把模型隐含的潜在需求拎出来，去和外部指标比对，发现它：(i) 与非基本面的资产定价因子的相关性，明显强于与基本面因子的相关性；(ii) 与文献里常用的几个情绪指标正相关，包括基于新闻发布、订单失衡、以及财报电话会语气 (tone of earnings conference calls) 构造的那些。这就支持了「需求由情绪驱动」的解读，与 Koijen and Yogo (2019) 把潜在需求归因于投资者情绪的立场一致。

更进一步，分样本估计显示：家庭持股比例更高、情绪波动更大的公司，其潜在需求的涨落也更剧烈，资本配置因此被扭曲得更厉害。这把「情绪」与「实体后果」之间的链条钉得更实——散户与情绪聚集之处，正是误配最严重之处。

8 文献脉络

把本文放回它的谱系里，能看得更清楚。

最早的源头有两条。一条是误配文献：Hsieh and Klenow (2009) 用中印数据揭示了企业间资源误配会吞掉多少 TFP，从此「用 MPK 离散度量误配」成了标准做法；此后人们逐一去量各种摩擦的贡献——债务约束 (Midrigan and Xu, 2014)、风险敞口 (David et al., 2022)、乃至「错配本身可能是种下注」（这一反直觉的角度，见《投资于「错配」：那些看起来在乱花钱的公司，其实在赌一次跳跃》，正是本文引用的 Kilic and Tuzel, 2023）。另一条是误定价与公司政策：Baker and Wurgler (2002) 的市场择机、Baker et al. (2003) 的股权依赖公司投资、以及 Warusawitharana and Whited (2016) 用结构模型去量误定价对融资与投资的拉动。

文献脉络时间线
文献脉络时间线（按发表年份排布；红色为本文）

第三条线是近些年最热的需求体系资产定价：Koijen and Yogo (2019) 用投资者持仓把价格「需求侧」地拆开，Gabaix and Koijen (2021) 提出非弹性市场假说。但这一脉几乎都停在资产定价一侧，把公司的融资与投资当成外生。

本文的位置，恰好是这三条线的交汇点：它把 Koijen–Yogo 的需求体系，嫁接进一个有血有肉的动态公司金融模型，第一次让「投资者需求」成为资本误配的一个可量化来源。这是它真正的贡献所在。

9 评论与延伸（Q&A + 研究方向）

(a) 几个可能的疑问

Q：这和传统的「市场择机」文献到底有什么不同？

择机文献告诉你「公司会在估值高时发股」，但它把这当成单个公司的融资选择，不追问总量后果。本文的增量在于：把择机放进一般均衡式的需求–供给框架里，算出无数公司各自择机之后，整个经济的资本配置被扭曲了多少。从「公司行为」上升到了「配置效率」。

Q：凭什么说离散效应一定压过宽松效应？这难道不该看具体参数吗？

正是如此——谁赢是个纯定量问题，没有先验答案。这也是为什么必须上结构模型：两条力是同一笔交易的一体两面，回归里掰不开。模型估完、做反事实，才得出「关掉超额需求 → 误配下降 26.9%」，即离散效应净占上风。换一组参数，结论原则上可以反过来。

Q：26.9% 这个数字的识别从哪来？会不会是被模型设定「假定」出来的？

关键靠间接推断：辅助模型在真实数据上刻画了「公司特征 ↔ 潜在需求」的内生关系，结构参数被要求去复现它。更让人放心的是外部验证——模型能吐出 SEO 期间的高估值这种没被当作估计目标的特征。当然，这仍是结构估计，量级对函数形式（调整成本、需求弹性）有依赖，应当读作「在该框架下的合理估计」，而非无模型的因果数。

Q：既然强需求能帮缺钱的公司融资投资，那 meme 股潮岂不是好事？

局部看确实是：本文反事实里，遭遇「meme」式需求骤增的公司股权融资增加十倍以上，投资随之上升；2021 年那六只 meme 股（GameStop、AMC 等）平均增发多了 73%、投资多了 43%。但这是离散的源头而非解药——钱涌向的是被追捧的公司，不是更该投资的公司。对个别公司是甘霖，对整个经济是把资本配歪。

Q：凭什么说潜在需求是「情绪」而不是漏掉的基本面？

三条证据：模型隐含的潜在需求与非基本面定价因子相关性更强；与新闻、订单失衡、财报电话语气等情绪指标正相关；且在家庭持股高、情绪波动大的公司里更剧烈。这些都指向情绪解读，而非「被忽略的基本面」。

Q：这跟 David et al. (2022) 的「风险驱动误配」是什么关系？

两者是并列的误配来源，而非替代。本文特意把投资者需求的贡献和债务摩擦、调整成本、风险敞口放在一起比，结论是：需求带来的扭曲比前两者更大，与风险考量相当。它给「美国公司的 MPK 离散从何而来」这道账，添了一个此前被忽略的新科目。

(b) 几个可能的研究问题与提案

1. 把需求体系搬到公司债市场。 【经济故事】本文讲的是股权需求如何扭曲投资。但企业更日常的外部融资是债。如果债券投资者（保险、共同基金、外资）的需求也有「情绪」成分，那么需求强时企业低成本发债、需求弱时缩减——同样的离散效应会不会出现在信用市场？而债的久期、契约、评级门槛会让机制大不相同。 【可行性】中。需要把 Koijen–Yogo 式需求体系重估到债券持仓上（eMAXX／Lipper 债券持仓 + Mergent FISD），识别难点在于债券需求弹性的估计。是 doable 的，但工作量不小。

2. 外资持有人作为外生需求冲击。 【经济故事】指数纳入（如某债券被纳入彭博巴克莱全球综合指数、或某股被纳入 MSCI）会带来一波几乎与公司基本面无关的外资被动需求。这正好是本文「超额需求」的一个可观测、近外生的版本——可以直接检验：被动外资需求的注入，是放松了企业融资约束（宽松），还是把资本按指数权重而非生产率重排（离散）？ 【可行性】高。指数纳入事件 + 持仓数据 + Compustat 投资，断点/事件研究识别清晰，是把本文结构结论拿去做简约式 (reduced-form) 验证的好场子。

3. 需求冲击的「流动性」维度。 【经济故事】本文里需求只通过价格影响企业。但现实中，需求弱往往同时意味着流动性差——企业即便想发股也发不动、或发行折价巨大。把流动性这一层加进来，离散效应可能被放大：流动性最差的时候，恰恰是最该投资的受约束公司最融不到资的时候。 【可行性】中。需在模型里给发行成本 \(\Psi(E_t)\) 加一个随市场流动性变化的状态变量，并用发行折价、承销价差等数据去识别。理论可行，估计偏重。

4. 谁在为这场误配买单：横截面的福利分布。 【经济故事】本文给出了总量的 TFP 损失，但没说损失如何分摊。受约束的、家庭持股高的公司被挤出投资最狠——那么这场需求驱动的误配，是否系统性地伤害了某一类公司（小盘、年轻、缺乏机构覆盖）的长期成长？ 【可行性】高。基于本文已有的分样本框架延伸即可，数据现成，主要是把「总量数字」拆到横截面分布上。

参考文献