شگفتی تعدیلشده سود
factor.formula
شگفتی تعدیلشده سود (SES):
شگفتی سود:
در این روابط:
- :
شگفتی سود برای فصل t که به صورت سود هر سهم برای فصل t (EPS_t) منهای سود هر سهم برای فصل t-4 (EPS_{t-4}) محاسبه میشود.
- :
سود هر سهم در فصل t
- :
سود هر سهم برای فصل t-4
- :
انحراف معیار شگفتیهای سود در هشت فصل گذشته (از فصل t-7 تا فصل t) برای اندازهگیری نوسانات شگفتیهای سود استفاده میشود.
factor.explanation
شگفتی تعدیلشده سود (SES) یک معیار کلاسیک برای اثر رانش قیمت پس از اعلام سود (PEAD) است. اثر PEAD به این واقعیت اشاره دارد که وقتی سود واقعی یک شرکت از انتظارات تحلیلگران بیشتر (یا کمتر) باشد، قیمت سهام در هفتهها یا حتی ماههای پس از اعلام سود به افزایش (یا کاهش) خود ادامه میدهد. SES از انحراف معیار شگفتیهای سود در هشت فصل گذشته برای استانداردسازی شگفتیهای سود فصل جاری استفاده میکند، که به شناسایی شگفتیهای سودی که واقعاً بالاتر یا پایینتر از سطوح تاریخی هستند، کمک میکند. به طور کلی، مقدار بالاتر SES نشاندهنده اثر رانش قیمت مثبت است، در حالی که مقدار پایینتر SES نشاندهنده اثر رانش قیمت منفی است. این عامل میتواند به عنوان یک سیگنال کیفیت سود استفاده شود و با سایر عوامل در یک مدل انتخاب سهام کمی ترکیب شود تا بازده سبد سرمایهگذاری را بهبود بخشد.
توضیحات مفصلتر:
- شگفتی سود: استفاده از تفاوت بین سود هر سهم فصل جاری و همان دوره چهار فصل قبل، میتواند به طور موثر اثر فصلی سود شرکتها را از بین ببرد و در نتیجه عملکرد واقعی دوره جاری را دقیقتر منعکس کند.
- استانداردسازی: استانداردسازی شگفتیهای سود با تقسیم بر انحراف معیار شگفتیهای سود در هشت فصل گذشته، شگفتیهای سود را در بین شرکتها و در طول زمان قابل مقایسه میکند. این به شناسایی شرکتهایی که انحرافات قابل توجهی از سطوح تاریخی دارند کمک میکند.
- اثر PEAD: پدیده رانش قیمت پس از اعلام سود مربوط به سوگیریهای شناختی در مالی رفتاری مانند اثر لنگر انداختن است. سرمایهگذاران تمایل دارند نسبت به شگفتیهای سود واکنش کمتری نشان دهند که منجر به تعدیل تدریجی قیمت میشود. عامل SES میتواند برای به دست آوردن فرصتهای سرمایهگذاری ناشی از این واکنش کم استفاده شود.
- کاربرد عملی: در کاربردهای عملی، سرمایهگذاران میتوانند سهام را بر اساس اندازه SES مرتب کنند، سهام با SES بالا را برای سرمایهگذاری انتخاب کنند یا از SES به عنوان یک عامل مهم در مدلهای پرتفوی کمی استفاده کنند.