Beneficio neto residual de regresión lineal
factor.formula
en:
- :
representa el i-ésimo trimestre, donde i va desde el trimestre más reciente (t) hasta hace N trimestres, es decir, i = t, t-1, t-2 ... t-N+1
- :
Indica el número de trimestres recientes utilizados para el análisis de regresión. El valor predeterminado es 8 y se puede ajustar según las condiciones reales.
- :
Representa el beneficio neto atribuible a la sociedad matriz en el i-ésimo trimestre. Estos datos deben normalizarse mediante la puntuación Z para eliminar las diferencias en dimensiones y distribución.
- :
Representa los ingresos no operativos del i-ésimo trimestre. Estos datos deben normalizarse mediante la puntuación Z para eliminar las diferencias de dimensión y distribución.
- :
Representa el efectivo pagado a y por los empleados en el i-ésimo trimestre. Estos datos deben normalizarse mediante la puntuación Z para eliminar las diferencias dimensionales y de distribución.
- :
El término de la intersección del modelo de regresión indica el valor esperado de la variable dependiente cuando la variable independiente es 0. No se utiliza directamente en el cálculo del factor y sólo se utiliza para la construcción del modelo de regresión.
- :
El coeficiente de ingresos no operativos en el modelo de regresión indica el impacto de cada cambio unitario en los ingresos no operativos sobre el beneficio neto cuando otros factores permanecen sin cambios.
- :
El coeficiente de efectivo pagado a y por los empleados en el modelo de regresión indica el impacto de cada cambio unitario en el efectivo pagado a y por los empleados sobre el beneficio neto, asumiendo que otros factores permanecen sin cambios.
- :
Representa el término residual de la regresión en el i-ésimo trimestre, reflejando la parte del beneficio neto que no es explicada por los ingresos no operativos y el efectivo pagado a y por los empleados, es decir, el beneficio neto purificado del período actual. El valor de este factor es el residual correspondiente al trimestre más reciente (t), denotado como $\epsilon_0$
factor.explanation
Los datos financieros contienen tanto información efectiva que puede predecir los precios futuros de las acciones como ruido que no tiene poder predictivo para los precios de las acciones. Mejorar la relación señal-ruido de los datos es clave para construir factores efectivos. El beneficio neto se ve afectado por muchos factores, algunos de los cuales pueden estar débilmente relacionados con las capacidades operativas centrales de la empresa, como los ingresos no operativos y el efectivo pagado a los empleados. Este factor tiene como objetivo eliminar estos ruidos mediante la regresión lineal, mejorando así el poder predictivo del beneficio neto. Específicamente, a través del modelo de regresión, intentamos encontrar la parte del beneficio neto que puede ser explicada por los ingresos no operativos y el flujo de efectivo pagado a los empleados, y tratarlo como eliminación de ruido. El residuo restante se considera una señal que está más relacionada con la rentabilidad central de la empresa. Por lo tanto, este factor se denomina "Beneficio Neto Residual de Regresión Lineal". A través de este método, se puede obtener una señal de beneficio neto más pura, mejorando así la efectividad de la selección de acciones del factor. La estandarización de puntuación Z procesa todas las variables antes de la regresión para eliminar las diferencias en dimensiones y distribución entre diferentes variables, haciendo que el análisis de regresión sea más razonable y confiable.