というやや煽情的な見出し（原題は「The final collapse of CAPM?」）を付けてタイラー・コーエンがこちらのNBER論文を紹介している。論文の原題は「Corporate Valuation: An Empirical Comparison of Discounting Methods」で、著者はNicolas Hommel（プリンストン大）、Augustin Landier（パリ経営大学院）、David Thesmar（MIT）。
以下はSSRN版の結論部。
We compare how good various valuation techniques are at explaining the cross-section of equity prices. Using forecasts of future payouts to equity and characteristics of firms observed at a given point in time (excluding the price itself), we predict equity values with several techniques, most of them involving the present value formula that is widely taught in the classroom. We compare these predicted values to effective prices, and rank valuation techniques based on their ability to reduce the cross-sectional mean square error. We find that computing a discount rate by using the CAPM or other models of expected returns is highly detrimental, when it comes to predict the cross-section of price levels. Even a simple constant multiple of forecasted earnings does better as a valuation tool. Discounting with a simple horizon-independent imputed ICC, function of firm characteristics, obtains better results in our validation sample. Allowing for time-varying expected returns provides a marginal improvement vis-a-vis this method, and in some instances, an a-structural approach, using machine learning does even better. Overall, we recommend an alternative valuation method to what is taught in the classroom. While CAPM-based valuation is normatively grounded (under heavy model assumptions), it is a very poor predictor of the cross-section of firm prices. We propose, as an implementable alternative, to use discount rates obtained on comparables – e.g. by industry. Such discount rates are very easy to use. They yield an MSE that is about 5 times smaller than CAPM-implied discount rate. They provide more accurate valuation figures, are very easy to implement and can thus be easily taught in class.
（拙訳）
我々は、各種の評価技法が株価のクロスセクションをどの程度上手く説明できるかを比較した。将来の株式へのペイアウトの予測と、ある一時点の企業の特性（株価自身を除く）を用いて、我々は株式価値を幾つかの技法で予測した。その多くは、教室で広く教えられている現在価値の式を使うものである。我々はそれらの予測値を実効株価と比較し、クロスセクションの平均二乗誤差を減らす能力に基づいて評価技法をランク付けした。株価水準のクロスセクションを予測する上では、CAPMや他のモデルを用いて予想収益の割引率を計算することは非常に有害であることを我々は見い出した。予測された収益の単純な定数倍でさえ評価ツールとしてはそれよりもましだった。企業の特性の関数として予測期間に関係なく計算されたインプライド資本コストで割り引いたものは、我々の評価手法のサンプルの中で良い結果を得た。予想収益の時間変動を許容するとこの手法よりもやや改善し、幾つかのケースでは機械学習を用いた構造アプローチによってさらに改善した。全体的にみて我々は、教室で教えられる評価手法とは別の手法を推奨する。CAPMに基づく評価は（モデルの多くの前提を置いた）規範的分析に基づいているものの、企業の株価のクロスセクションの予測手段としては非常に悪い。実現可能な代替手段として我々は、例えば業界の類似の企業との比較により得られた割引率を用いることを提案する。そうした割引率は使うのが非常に簡単である。そうした割引率を用いた場合の平均二乗誤差は、CAPMに基づく割引率の約5分の1である。それらはより正確な評価値を提供し、実現も容易で、従って教室で教えるのも簡単である。
導入部ではCAPMなどの割引率モデル以外の評価手法を以下のように説明している。
We then explore three alternative models, that are not based on expected returns. The first one is a multiple of earnings forecasts, projected on firm characteristics. The statistical projection is estimated on the training sample and using past information only. This projected multiple is then estimated for any firm in our validation sample and multiplied by the firm’s one-year EPS forecast. The second NPV-based model uses an imputed “Implied Cost of Capital (ICC)”. To do this, we first follow the large accounting literature initiated by Gebhardt et al. (2001), and compute the ICC as the internal rate of return as the discount rate that equals the market price to the present value of expected cash-flows. We then project, still in the training sample, the resulting ICC on firm characteristics. We finally use the fitted relation to estimate imputed ICC on the validation sample, which we inject into the present value formula. The third and last approach is a variant of the imputed ICC that flexibly allows for time-varying expected returns, at the cost of a Campbell-Shiller log linearization (Campbell, 2017). This last approach is roughly equivalent to discounting all future cash-flows at 5%, and adding a multiplicative term that minimizes in-sample MSE. This term contains the possible effect of time-varying expected returns.
Finally, we report, for the sake of comparison, the performance of a fully flexible, purely statistical model of price prediction. This model uses the same observables as the NPV-based models, as well as cash-flow forecasts, but it does not assume that the PV formula holds. It is estimated using random-forest algorithms, and represents the best prediction one can obtain, if one is willing to give up the structure imposed by present value formula.
（拙訳）
次に我々は、予想収益に基づかない3つの代替モデルを追究した。最初は予測収益のマルチプルで、企業特性に基づき予測した。その統計的な予測は訓練サンプルで過去の情報のみを使って推計した。この予測マルチプルは、我々の検証サンプル*1のすべての企業について推計され、企業のEPSの1年予測に乗じられた。2番目の純現在価値モデルは推計された「インプライド資本コスト（ICC）」を用いる。そのために我々はまずゲブハルトら（2001*2）に端を発して大きな蓄積がなされた会計研究に倣い、ICCを、市場価格と予想キャッシュフローの現在価値を等しくする割引率である内部収益率として計算した。次に我々は、引き続き訓練サンプルにおいて、計算したICCを企業の特性から予測した。その上で推計した関係式を用いてICCを検証サンプルについて推計し、それを現在価値の式に代入した。最後の3番目の手法は、ICCの派生型で、キャンベル＝シラーの対数線形化による近似を対価として、時変的な予想収益に柔軟に対応した（キャンベル、2017*3）。最後の手法は、すべての将来キャッシュフローを5%で割り引き、インサンプルの平均二乗誤差を最小化する乗数項を加えることと概ね等しい。この項は、時変的な予想収益のあり得る影響を織り込んでいる。
最後に我々は、比較のため、完全な柔軟性を持ち純粋に統計的な株価予測モデルのパフォーマンスも報告する。このモデルは、現在価値ベースモデルと同じ観測値とキャッシュフロー予測を用いるが、現在価値の式が成立することは仮定しない。同モデルはランダムフォレストアルゴリズムを用いて推計され、現在価値の式で課される構造の放棄を甘受するならば、得られる中で最良の予測を示す。
