Do Bubbles Lead to Overinvestment? A Revealed Preference Approach
Notice bibliographique
Résumé
Many economists believe that the stock market plays an important role in efficiently allocating capital to its most productive uses. This standard story of the stock market was called into question by events in the late 1990s, when some observers believed that stock market overvaluation – or a bubble - led to overinvestment. Both the standard and overinvestment stories involve discount rates and, to differentiate between the two stories, this paper examines the discount rates used by firms in making their investment decisions. We use a revealed preference approach that relies on the pattern of investment spending – combined with investment theory – to estimate the discount rates used by managers. The standard story predicts that firms with high stock prices and good investment opportunities should have discount rates that do not differ systematically from the risk-adjusted market rate. The overinvestment story predicts that firms with high stock prices and poor investment opportunities should have discount rates consistently below the market rate. Based on a panel dataset of over 50,000 firm-year observations, we find support for both stories. The behavior of high stock price firms with good measured investment opportunities is best described by the standard story, while the overinvestment story provides the most appropriate interpretation of the behavior of high stock price firms with poor investment opportunities. Firms in this latter category accumulate between 15.1% and 45.2% too much capital. These estimates suggest that, even before they burst, bubbles adversely affect economic activity by misallocating capital.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».