Workflow
Noncyclical Rate of Unemployment (u-star)
icon
搜索文档
Connecting Stock Market to Labor Market During the AI Boom
Federal Reserve Bank Of San Francisco· 2026-11-17 10:01
文章核心观点 - 人工智能热潮与异常高的股票估值同时出现,与历史上技术驱动的繁荣期特征相似,包括“新时代”叙事、相关行业投资激增以及周期调整市盈率(CAPE)处于高位 [1][2] - 四个宏观经济变量可以很大程度上解释1961年以来CAPE比率的变动,包括2022年以来的大部分上涨,其中最重要的变量是非周期性失业率(u-star),这指向股票市场与劳动力市场之间的联系 [1][2] - 雇主对未来雇佣新员工所带来收益的估值方式,与投资者对股票未来现金流的估值方式相似 [1][2] CAPE比率与“新时代”叙事 - 历史上重大股价上涨通常与围绕新技术引入的“新时代”叙事同时出现 [3] - 自1800年代末以来CAPE比率出现过六次这样的上涨:最早四次分别反映投资者对铁路和电力(1900年代初)、汽车和无线电(1920年代末)、半导体和电视(1950至60年代)、互联网(1990年代末)的热情 [4] - 第五次上涨在2021年末见顶,与社交网络、云计算和电动汽车的普及同时发生 [4] - 最近一次上涨可与人工智能联系起来,起点是2022年11月ChatGPT的发布 [4] CAPE比率与宏观经济变量 - 截至2026年第三季度,CAPE比率为40.5,高于图1所示前五次峰值中的四次,唯一例外是2000年第一季度43.1的峰值 [8] - 理论上,基本面股价是股东预期未来现金流的现值,贴现率由无风险收益率和与未来现金流不确定性相关的风险溢价组成;无风险利率越低或不确定性越小,未来现金流贴现越少,基本面价格越高;预期增长率越快,价格越高 [9] - 无风险收益率的一个衡量指标是中性(自然)实际利率,即r-star;标准经济模型将r-star与家庭耐心程度(影响储蓄意愿)以及潜在产出预期增长率(g-star,影响储蓄回报)联系起来,g-star还影响股票实际现金流的增长率 [9] - Hall(2017)的证据表明股票市场与劳动力市场变动相互关联,一种解释是两者都反映某种行为预期未来收益的现值:股票市场中投资者对购买股票的预期未来现金流估值,劳动力市场中雇主对雇佣新员工的预期未来收益估值;贴现率下降会提高两种收益流的现值,推动股价上涨和招聘增强,后者压低失业率并在长期压低u-star [10] - 两个市场还可能通过改善职位匹配效率联系起来,更有效地配对工人和雇主,提升工人生产率和上市公司的盈利能力 [10] - 所用数据:r-star为Laubach和Williams(2016,更新版)的双边估计;g-star为国会预算办公室(CBO)构建的实际潜在产出四季度增长率;u-star为CBO的非周期性失业率;宏观经济不确定性指数来自Jurado、Ludvigson和Ng(2015,更新版),汇总用美国经济统计模型预测大量宏观经济变量12个月后值时的预测误差幅度 [11] - CAPE比率在1980年前主要呈下降趋势,此后主要呈上升趋势;u-star系列呈现相反模式,1980年前上升、此后下降;r-star和g-star均呈下降趋势,但r-star的下降更为明显;不确定性指数在经济衰退期(灰色柱)往往较高,随后在复苏期下降 [15] CAPE比率的实际值与拟合值 - 使用简单回归模型检验宏观经济变量对CAPE比率变动的解释能力,模型将季度平均CAPE比率(取对数)与常数、三个star变量和不确定性指数进行估计,数据区间为1961年至2026年第三季度,每个宏观经济变量相对CAPE比率滞后一个季度以克服样本末端的数据可得性问题 [16] - 四个宏观经济变量在解释CAPE比率历史变动方面均具有统计显著性;与理论一致,r-star、u-star和不确定性指数的估计系数为负,g-star的估计系数为正;样本内拟合极佳,解释了CAPE比率89%的方差;最重要的解释变量是u-star,若剔除u-star,模型仅解释CAPE比率49%的方差 [17] - 两个版本的模型在1990年代末互联网繁荣期均给出低于实际比率的拟合值,表明该时期股市被高估;两个版本也都预测2008至2009年金融危机(高不确定性时期)期间CAPE比率大幅下降 [18] - 含u-star的模型对2010至2026年的实际CAPE比率拟合相当好,包括2020年初疫情衰退期间的暂时性下降;相比之下,不含u-star的模型预测2010年后CAPE比率轨迹大不相同,包括2020年初的异常大幅下降,原因是该模型版本将更大份额的CAPE比率变动归因于不确定性变化,但疫情衰退期间不确定性上升对股市估值的影响远小于2008至2009年金融危机期间可比的不确定性上升;2010年后两条拟合轨迹之间的巨大差距表明,对基本面股市价值的评估可能对底层模型细节高度敏感 [22] - 2026年第三季度,含u-star的模型给出拟合CAPE比率为35.8,比实际比率40.5低11.6%;不含u-star的模型给出拟合CAPE比率为21.4,较实际比率下降47.2% [23] CAPE比率与劳动收入份额 - 根据Greenwald、Lettau和Ludvigson(2025),自1980年代末以来,美国国民收入中劳动份额下降是股市估值上升的最重要驱动因素;劳动份额降低意味着国民收入中更大比例归于资本所有者(包括股东)而非劳动者;提出的解释包括自动化兴起和工人议价能力逐渐削弱 [24] - 用劳动份额趋势替代u-star进入回归模型,得到负且高度显著的系数,但该模型版本仅解释CAPE比率71%的方差,而含u-star的模型为89%;u-star模型拟合更好部分是因为1980年前时期,当时u-star上升而CAPE比率下降;1980年后,u-star和劳动份额均呈下降趋势,表明两者可能都在响应重塑劳动力市场的共同结构性力量 [25] 结论 - 基于四个宏观经济变量的模型可以很大程度上解释1961年以来CAPE比率的变动,包括近期与投资者对AI热情相关的大部分上涨 [29] - 但模型拟合历史数据的能力并不能保证当前40.5的CAPE比率是可持续的;尽管以经济理论为基础,模型所捕捉的历史关系可能发生变化 [29] - 此前技术驱动的繁荣期都伴随着试图为异常高股市估值辩护的“这次不一样”叙事;投资者对AI的热情最终能否得到基本面持续改善的支撑,还是将沦为又一个投资者预期过度乐观的案例,仍有待观察 [29]