Coefficient de pérennité des bénéfices
factor.formula
Modèle de persistance des rendements (AR(1)) :
où :
- :
L'indicateur de bénéfices de l'entreprise j à la période t. Les indicateurs de bénéfices optionnels comprennent, mais sans s'y limiter : le bénéfice par action (BPA), le bénéfice net attribuable aux actionnaires de la société mère ou le bénéfice d'exploitation. La sélection d'indicateurs spécifiques doit être considérée en fonction de l'objectif de recherche et de la disponibilité des données afin de s'assurer que des indicateurs de bénéfices cohérents sont utilisés dans le même cadre analytique.
- :
Le terme d'ordonnée à l'origine du modèle de régression du rendement de l'entreprise j représente la valeur attendue du rendement à la période t lorsque le rendement à la période t-1 est nul. Ce paramètre n'est généralement pas au centre de l'attention lors de la mesure de la persistance des rendements, et une plus grande attention est accordée au coefficient d'autorégression des rendements.
- :
Le coefficient de persistance des bénéfices de l'entreprise j, c'est-à-dire le coefficient autorégressif de premier ordre des bénéfices à la période t sur les bénéfices à la période t-1, mesure l'autocorrélation des bénéfices. Ce coefficient est le cœur de ce facteur et est utilisé pour évaluer la persistance et la prévisibilité des bénéfices. Plus la valeur estimée de $\phi_{1,j}$ est proche de 1, plus la persistance des bénéfices est élevée, c'est-à-dire plus l'impact des bénéfices de la période actuelle sur les bénéfices de la période suivante est important.
- :
Le terme résiduel de régression de l'entreprise j à la période t représente la partie de la variation des bénéfices que le modèle ne peut expliquer. Il est généralement supposé être un terme d'erreur aléatoire avec une moyenne de 0 et est indépendant et identiquement distribué.
factor.explanation
Le coefficient de persistance des bénéfices $\phi_{1,j}$ est un indicateur clé. Plus sa valeur est élevée, plus la persistance des bénéfices de l'entreprise est forte, c'est-à-dire plus l'autocorrélation des bénéfices est élevée. Lorsque $\phi_{1,j}$ est proche de 1, cela signifie que l'entreprise a un degré élevé de rentabilité durable, et que le niveau de bénéfices de la période actuelle peut mieux prédire le niveau de bénéfices de la période suivante, ce qui est généralement considéré comme le reflet d'une qualité de bénéfices élevée. Au contraire, lorsque $\phi_{1,j}$ est proche de 0, cela signifie que les bénéfices de l'entreprise varient considérablement, sont moins persistants et difficiles à prévoir. Cela peut indiquer que la source des bénéfices de l'entreprise est instable, ou que les bénéfices sont fortement affectés par des facteurs ponctuels, ce qui entraîne des niveaux de bénéfices de faible qualité. Ce facteur peut aider à identifier les entreprises ayant une rentabilité durable, aider les investisseurs à prendre des décisions d'investissement plus éclairées, et également aider à la gestion des risques et à identifier les entreprises ayant de fortes fluctuations de bénéfices. Dans les applications pratiques, des méthodes de régression sur données de panel sont généralement utilisées pour régresser la même entreprise sur une série temporelle, ou pour effectuer une analyse de régression sur des données transversales afin d'obtenir une estimation plus robuste du coefficient de persistance des bénéfices. Dans l'analyse de régression, il est nécessaire de prêter attention aux problèmes potentiels d'hétéroscédasticité et d'autocorrélation, qui peuvent être corrigés à l'aide de méthodes d'estimation robustes des erreurs standard.