Which variables explain and predict capital structure – a LASSO approach

Abstract

I denne masterutredningen har vi undersøkt hvilke faktorer som er viktige for å forklare og predikere kapitalstruktur. Studien undersøker amerikanske firmaer notert på New York Stock Exchange i perioden 1980 til 2019. For å fange opp et bredere spekter angående beslutninger tilknyttet kapitalstruktur, samt robusthet i vår analyse har vi anvendt både bokførte og markedsverdier i beregningen av gjeldsgrad. Listen over mulige forklaringsvariabler er hovedsakelig basert på M. Z. Frank og Goyal (2009), med noen justeringer. Økonomisk teori og tidligere litteratur er lagt til grunn for tolkningen av de ulike variablene som er utvalgt av modellene våre.

I utvelgelsen av viktige variabler har vi anvendt to ulike Least Absolute Shrinkage Selection Operator-modeller, referert til som normal og adaptive LASSO. Etter å ha gjennomført robusthetstest for de ulike modellene sitter vi igjen med tre ulike modeller, en modell for bokført gjeldsgrad og to modeller for markedsbasert gjeldsgrad. Modellen for gjeldsgrad basert på bokførte verdier består av variablene industry median leverage, cash holdings og Z-score. Normal LASSO-modellene for gjeldsgrad basert på markedsverdier består av de samme variablene, men legger også til market-to-book. Den adaptive LASSO-modellen legger også til market-to-book, men ekskluderer Z-score.

Kjernefaktorene til M. Z. Frank og Goyal (2009) er brukt som sammenligningsgrunnlag for å evaluere våre modeller. Modellene våre presterer på generelt grunnlag litt bedre med tanke på forklaring og prediksjon av kapitalstruktur, men med marginale forskjeller.

In this master's thesis we have examined which factors are important for explaining and predicting capital structure. The study examines American firms listed on the New York Stock Exchange during the period from 1980 to 2019. To gain a better understanding of capital structure decisions and robustness in our analysis, we have used both market and book values in the calculation of leverage. The list of possible explanatory variables comes mainly from M. Frank and V. Goyal (2009), but with some differences. Economic theories and literature on capital structure is applied for interpreting the effects of the variables selected.

The purpose of the study is to gain a better understanding of which factors influences financial decisions aimed at capital structure. To determine which of the variables that are important, we have used two different Least Absolute Shrinkage Selection Operator models, referred to as the normal and adaptive LASSO. After testing the variables selected by the normal LASSO and the adaptive LASSO for robustness, we were left with one model for book-based leverage, and two models for market-based leverage. The model for book-based leverage consists of the variables industry median leverage, cash holdings and Z-score. The normal LASSO models for market-based leverage selects the same variables, but adds market-to-book. The adaptive LASSO model also adds market-to-book, but excludes Z-score.

The core factors determined by M. Z. Frank and V. K. Goyal (2009) is used as a benchmark for comparison when evaluating our models’ in-sample and out-of-sample performance. Our models are slightly better than the core model at explaining and predicting capital structure in our data, but only by small margins.