Mga Pangunahing Trenda na Nagpapahiwatig ng mga Kita
factor.formula
Kalkulahin ang moving average ng ika-k na fundamental factor ng stock i sa katapusan ng buwan t na may time scale na L quarters:
Sa katapusan ng bawat buwan, isinasagawa ang cross-sectional regression analysis sa mga kita ng stock para sa susunod na panahon (t+1) gamit ang moving average ng mga fundamental factor ng lahat ng stock sa nakaraang L quarters:
Sa katapusan ng bawat buwan, kinakalkula ang fundamental trend implied return factor batay sa inaasahang halaga ng regression coefficient at ang kasalukuyang fundamental moving average:
kung saan:
- :
ay ang ika-k na halaga ng fundamental factor ng stock i sa buwan t, na may lag na j quarters. Halimbawa, kung j=0, ito ay nangangahulugan ng halaga ng factor sa kasalukuyang buwan t, at kung j=1, ito ay nangangahulugan ng halaga ng factor ng quarter t-1.
- :
ay ang moving average ng ika-k na fundamental factor ng stock i sa ika-t na buwan batay sa nakaraang L quarters, at ang halaga ng L ay 1, 2, 4 at 8, na kumakatawan sa nakaraang 1, 2, 4 at 8 quarters ayon sa pagkakabanggit.
- :
ay ang kita ng stock i sa buwan t+1, na ginagamit upang sukatin ang hinaharap na pagganap ng stock.
- :
ay ang kabuuang bilang ng iba't ibang fundamental factor na napili. Sa pag-aaral ng factor na ito, K=7, at ang mga napiling factor ay kinabibilangan ng: return on equity (ROE), return on total assets (ROA), earnings per share (EPS), accrual-based profit to equity (APE), cash flow-based profit to total assets (CPA), gross profit to total assets (GPA), at net payout ratio (Net Payout Ratio). Inilalarawan ng mga factor na ito ang mga batayan ng mga nakalistang kumpanya mula sa maraming pananaw, kabilang ang kakayahang kumita, kahusayan sa pagpapatakbo, at mga kita ng shareholder.
- :
Ito ang intercept term ng cross-sectional regression model sa buwan t, na kumakatawan sa antas ng benchmark na kita.
- :
Ito ang regression coefficient na tumutugma sa moving average ng fundamental factor k sa time scale L sa ika-t na buwan sa cross-sectional regression model, na nagpapahiwatig ng inaasahang epekto ng bawat unit na pagbabago sa moving average ng factor sa kita ng stock sa susunod na panahon.
- :
ay ang inaasahang halaga ng regression coefficient para sa susunod na panahon (t+1) sa ika-t na buwan sa cross-sectional regression model. Sa mga praktikal na aplikasyon, ang halagang ito ay maaaring humalili sa regression coefficient ng kasalukuyang panahon (t).
- :
Ito ang error term ng cross-sectional regression model, na nagpapahiwatig ng bahagi ng rate ng kita na hindi maipaliwanag ng modelo.
factor.explanation
Ang factor ng fundamental trend implied return (FIR) ay isinasaalang-alang ang maraming pangunahing indicator at ang mga pagbabago sa kanilang trend sa iba't ibang time scale. Sa pamamagitan ng cross-sectional regression method, kinukuha ang kakayahan ng moving average ng fundamental factor na mag-predict sa mga kita ng stock sa hinaharap, at ang huling halaga ng factor ay binubuo batay sa inaasahang halaga ng regression coefficient at ang kasalukuyang factor moving average. Ang konsepto ng pagbuo ng factor na ito ay upang makuha ang mga oportunidad sa pamumuhunan na nilalaman sa mga pagbabago sa trend ng mga batayan ng kumpanya. Kung mas mataas ang halaga ng factor, mas maganda ang fundamental trend ng kumpanya at mas malaki ang potensyal para sa mga kita sa hinaharap.