Factors Directory

Quantitative Trading Factors

भारित आय अनुमान संशोधन

भावनात्मक कारकमौलिक कारक

factor.formula

सबसे पहले, पिछले तीन महीनों में जारी किए गए प्रत्येक संस्थान के अंतिम आय अनुमान संशोधन के आकार की गणना करें।

प्रत्येक संस्थान के लिए, आय पूर्वानुमान संशोधन को इस प्रकार परिभाषित किया गया है: वर्तमान पूर्वानुमान शुद्ध लाभ (वर्तमान समय में प्रकाशित एक विशिष्ट रिपोर्टिंग अवधि के लिए पूर्वानुमानित मूल्य) में प्रतिशत परिवर्तन, जो पिछले छह महीनों के भीतर एक महीने पहले संस्थान द्वारा प्रकाशित उसी रिपोर्टिंग अवधि के नवीनतम पूर्वानुमानित मूल्य के सापेक्ष है।

फिर, अंतिम भारित आय पूर्वानुमान संशोधन प्राप्त करने के लिए पिछले तीन महीनों में प्रत्येक संस्थान के अंतिम आय पूर्वानुमान संशोधनों का भारित औसत लेने के लिए Accwt2 विधि का उपयोग किया जाता है।

विस्तृत व्याख्या:

  • :

    तिमाही q (या रिपोर्टिंग अवधि) के लिए समय t पर संस्थान i का आय पूर्वानुमान मान।

  • :

    उसी तिमाही q (या रिपोर्टिंग अवधि) के लिए आय पूर्वानुमान मान, जो समय t से एक महीने पहले (यानी, t-1m) संस्थान i द्वारा जारी किया गया था। यह मान पिछले 6 महीनों में जारी तिमाही q के लिए नवीनतम पूर्वानुमान मान है।

  • :

    समय t पर तिमाही q के लिए संस्थान i के आय पूर्वानुमान के संशोधन की गणना (E_{i,t,q} - E_{i,t-1m,q})/E_{i,t-1m,q} के रूप में की जाती है।

  • :

    संस्थान i का भार Accwt2 विधि द्वारा निर्धारित किया जाता है, जो विश्लेषकों के पूर्वानुमानों के ऐतिहासिक प्रदर्शन पर आधारित एक भारण विधि है, जो उच्च पूर्वानुमान सटीकता वाले विश्लेषकों को अधिक भार देती है।

  • :

    समय t पर भारित आय पूर्वानुमान संशोधन की गणना sum(R_{i,t,q} * w_i) के रूप में की जाती है, जहाँ sum सभी विश्लेषकों के योग का प्रतिनिधित्व करता है।

factor.explanation

पारंपरिक आय संशोधन उपाय आमतौर पर सर्वसम्मति पूर्वानुमानों में बदलाव पर आधारित होते हैं, जबकि यह कारक विश्लेषकों के विचारों की विषमता को बेहतर ढंग से प्रतिबिंबित कर सकता है और प्रत्येक संस्थान के पूर्वानुमान संशोधनों की सीमा की जांच करके और उन्हें भारित करके कंपनी की आय संभावनाओं की बाजार अपेक्षाओं में बदलाव को अधिक व्यापक रूप से प्रतिबिंबित कर सकता है। विश्लेषकों के बीच असहमति भविष्य के शेयर मूल्य में अस्थिरता का संकेत दे सकती है। Accwt2 भारण विधि का उपयोग करने से बेहतर ऐतिहासिक पूर्वानुमान प्रदर्शन वाले विश्लेषकों को अधिक भार दिया जा सकता है, जिससे कारक की सूचना सामग्री में वृद्धि होती है।

Related Factors