Ertragsbeständigkeitskoeffizient
factor.formula
Modell zur Ertragsbeständigkeit (AR(1)):
wobei:
- :
Der Ertragsindikator des Unternehmens j in Periode t. Die optionalen Ertragsindikatoren umfassen, sind aber nicht beschränkt auf: Gewinn pro Aktie (EPS), den Anteil am Konzernergebnis, der den Anteilseignern der Muttergesellschaft zuzurechnen ist, oder den operativen Gewinn. Die Auswahl spezifischer Indikatoren sollte auf der Grundlage des Forschungszwecks und der Datenverfügbarkeit erfolgen, um sicherzustellen, dass unter dem gleichen analytischen Rahmen konsistente Ertragsindikatoren verwendet werden.
- :
Der Achsenabschnitt des Ertragsregressionsmodells des Unternehmens j stellt den Erwartungswert des Ertrags in Periode t dar, wenn der Ertrag in Periode t-1 Null ist. Dieser Parameter ist in der Regel nicht der Schwerpunkt bei der Messung der Ertragsbeständigkeit, und der Autoregressionskoeffizient der Erträge wird stärker beachtet.
- :
Der Ertragsbeständigkeitskoeffizient des Unternehmens j, d. h. der autoregressive Koeffizient erster Ordnung der Erträge in Periode t auf die Erträge in Periode t-1, misst die Autokorrelation der Erträge. Dieser Koeffizient ist der Kern dieses Faktors und wird zur Bewertung der Beständigkeit und Vorhersagbarkeit von Erträgen verwendet. Je näher der Schätzwert von $\phi_{1,j}$ bei 1 liegt, desto höher ist die Ertragsbeständigkeit, d. h. desto größer ist der Einfluss des aktuellen Periodenertrags auf den Ertrag der nächsten Periode.
- :
Der Regressionsrestterm des Unternehmens j in Periode t stellt den Teil der Ertragsänderung dar, den das Modell nicht erklären kann. Es wird in der Regel angenommen, dass es sich um einen zufälligen Fehlerterm mit einem Mittelwert von 0 handelt, der unabhängig und identisch verteilt ist.
factor.explanation
Der Ertragsbeständigkeitskoeffizient $\phi_{1,j}$ ist ein wichtiger Indikator. Je höher sein Wert ist, desto stärker ist die Beständigkeit der Erträge des Unternehmens, d.h. desto höher ist die Autokorrelation der Erträge. Wenn $\phi_{1,j}$ nahe bei 1 liegt, bedeutet dies, dass das Unternehmen eine hohe nachhaltige Rentabilität aufweist und das aktuelle Ertragsniveau das zukünftige Ertragsniveau besser vorhersagen kann, was im Allgemeinen als Ausdruck einer hohen Ertragsqualität angesehen wird. Wenn $\phi_{1,j}$ hingegen nahe bei 0 liegt, bedeutet dies, dass die Erträge des Unternehmens stark schwanken, weniger beständig und schwer vorherzusagen sind. Dies kann darauf hindeuten, dass die Ertragsquelle des Unternehmens instabil ist oder dass die Erträge stark durch Einmaleffekte beeinflusst werden, was zu einer niedrigen Ertragsqualität führt. Dieser Faktor kann bei der Identifizierung von Unternehmen mit nachhaltiger Rentabilität helfen, Investoren bei fundierteren Investitionsentscheidungen unterstützen und auch beim Risikomanagement helfen und Unternehmen mit großen Ertragsschwankungen identifizieren. In der Praxis werden in der Regel Paneldaten-Regressionsmethoden verwendet, um dasselbe Unternehmen über eine Zeitreihe zu regressieren oder um Regressionsanalysen über Querschnittsdaten durchzuführen, um eine robustere Schätzung des Ertragsbeständigkeitskoeffizienten zu erhalten. Bei der Regressionsanalyse ist es notwendig, auf potenzielle Heteroskedastizität und Autokorrelationsprobleme zu achten, die mit robusten Standardfehlerschätzmethoden korrigiert werden können.