Coeficiente de sostenibilidad de ingresos
factor.formula
Modelo de persistencia de retorno (AR(1)):
en:
- :
El indicador de ganancias de la empresa j en el período t. Los indicadores de ganancias opcionales incluyen, entre otros: ganancias por acción (EPS), ganancia neta atribuible a los accionistas de la empresa matriz o ganancia operativa. La selección de indicadores específicos debe considerarse en función del propósito de la investigación y la disponibilidad de datos para garantizar que se utilicen indicadores de ganancias consistentes en el mismo marco analítico.
- :
El término de intersección del modelo de regresión de retorno de la empresa j representa el valor esperado del retorno en el período t cuando el retorno en el período t-1 es cero. Este parámetro no suele ser el foco al medir la persistencia de los retornos, y se presta más atención al coeficiente de autorregresión de los retornos.
- :
El coeficiente de persistencia de ganancias de la empresa j, es decir, el coeficiente autorregresivo de primer orden de las ganancias en el período t sobre las ganancias en el período t-1, mide la autocorrelación de las ganancias. Este coeficiente es el núcleo de este factor y se utiliza para evaluar la persistencia y la predictibilidad de las ganancias. Cuanto más se acerque el valor estimado de $\phi_{1,j}$ a 1, mayor será la persistencia de las ganancias, es decir, mayor será el impacto de las ganancias del período actual en las ganancias del período siguiente.
- :
El término residual de regresión de la empresa j en el período t representa la parte del cambio de ganancias que el modelo no puede explicar. Por lo general, se supone que es un término de error aleatorio con una media de 0 y que está distribuido de forma independiente e idéntica.
factor.explanation
El coeficiente de persistencia de ganancias $\phi_{1,j}$ es un indicador clave. Cuanto mayor sea su valor, más fuerte será la persistencia de las ganancias de la empresa, es decir, mayor será la autocorrelación de las ganancias. Cuando $\phi_{1,j}$ se acerca a 1, significa que la empresa tiene un alto grado de rentabilidad sostenida, y el nivel de ganancias del período actual puede predecir mejor el nivel de ganancias del próximo período, lo que generalmente se considera un reflejo de la alta calidad de las ganancias. Por el contrario, cuando $\phi_{1,j}$ se acerca a 0, significa que las ganancias de la empresa varían mucho, son menos persistentes y difíciles de predecir. Esto puede indicar que la fuente de ingresos de la empresa es inestable o que las ganancias se ven gravemente afectadas por factores puntuales, lo que resulta en niveles de ganancias de baja calidad. Este factor puede ayudar a identificar empresas con rentabilidad sostenible, ayudar a los inversores a tomar decisiones de inversión más informadas y también ayudar con la gestión de riesgos e identificar empresas con grandes fluctuaciones de ganancias. En aplicaciones prácticas, generalmente se utilizan métodos de regresión de datos de panel para realizar una regresión de la misma empresa en una serie temporal o para realizar un análisis de regresión en datos transversales para obtener una estimación más robusta del coeficiente de persistencia de ganancias. En el análisis de regresión, es necesario prestar atención a los posibles problemas de heterocedasticidad y autocorrelación, que pueden corregirse utilizando métodos robustos de estimación de errores estándar.