详细内容或原文请订阅后点击阅览
人工智能时代的 q 理论
作为 1980 年代中期投资模型的主要内容，q 理论是凯恩斯资本边际效率或乔根森用户资本成本方法的替代方案。 q 的一个版本——市场价值与公司资本重置价值的比率——是萨默斯 1981 年为公司投资行为建模的 BPEA 论文的核心。然而，q 理论 [...]
来源:经济浏览器作为 1980 年代中期投资模型的主要内容，q 理论是凯恩斯资本边际效率或乔根森用户资本成本方法的替代方案。 q 的一个版本——市场价值与公司资本重置价值的比率——是萨默斯 1981 年为公司投资行为建模的 BPEA 论文的核心。然而，q 理论现在几乎完全没有出现在最近关于资本投资水平的讨论中（与近二十年前的辩论相反）。为什么？第一张图是q，相对于实物资本重置成本的市场价格。
图 1：非金融企业部门的托宾 q（蓝色）和去趋势托宾 q（棕褐色）。通过对知识产权产品存量的托宾 q 进行回归计算得出的去趋势 q，根据年度数据线性插值。 NBER 定义的衰退高峰至低谷日期呈灰色。资料来源：FRED、BEA、NBER 的美联储资金流量以及作者的计算。
托宾 q 在 2025 年第二季度接近 2，而在互联网繁荣顶峰时仅达到 1.5 左右。
Chirinko (JEL, 1993) 回顾了各种投资模型和 q 模型，指出如果 (1) 市场完全竞争，(2) 生产和调整成本技术线性同质，(3) 资本完全同质，以及 (4) 投资决策在很大程度上与其他实际和财务决策分开，则平均 q（原则上可以计算）等于边际 q（不可观察）。
2025 年第二季度，去趋势 q 低于 2000 年第一季度（1.35 与 1.54）。我想说这意味着市场对资本存量的估值并不太高，但实际上使用 IPP 对数存量去趋势非常接近线性（确定性）去趋势，当 q 看起来像 I(1) 过程时（无法拒绝单位根的零假设），这是一件危险的事情。
因此，我们被迫到其他地方寻找投资水平应该是多少的见解（可能是远期市盈率或 CAPE）。