Koepisyent ng Pagpapatuloy ng Kita
factor.formula
Modelo ng Pagpapatuloy ng Kita (AR(1)):
sa:
- :
Ang indikasyon ng kita ng kumpanyang j sa panahon t. Kasama sa mga opsyonal na indikasyon ng kita ngunit hindi limitado sa: kita bawat bahagi (EPS), netong kita na nauukol sa mga shareholder ng parent company, o operating profit. Ang pagpili ng mga tiyak na indikasyon ay dapat isaalang-alang batay sa layunin ng pananaliksik at pagkakaroon ng datos upang matiyak na ang mga pare-parehong indikasyon ng kita ay ginagamit sa ilalim ng parehong analytical framework.
- :
Ang intercept term ng modelo ng return regression ng kumpanyang j ay kumakatawan sa inaasahang halaga ng return sa panahon t kapag ang return sa panahon t-1 ay zero. Ang parametro na ito ay karaniwang hindi ang pokus kapag sinusukat ang pagpapatuloy ng return, at mas binibigyan ng pansin ang autoregression coefficient ng return.
- :
Ang koepisyent ng pagpapatuloy ng kita ng kumpanyang j, i.e., ang first-order autoregressive coefficient ng kita sa panahon t sa kita sa panahon t-1, sumusukat sa autocorrelation ng kita. Ang koepisyent na ito ang core ng salik na ito at ginagamit upang suriin ang pagpapatuloy at pagkahula ng kita. Ang mas malapit ang tinantyang halaga ng $\phi_{1,j}$ sa 1, mas mataas ang pagpapatuloy ng kita, i.e., mas malaki ang epekto ng kita sa kasalukuyang panahon sa kita sa susunod na panahon.
- :
Ang regression residual term ng kumpanyang j sa panahon t ay kumakatawan sa bahagi ng pagbabago sa kita na hindi maipaliwanag ng modelo. Karaniwang ipinapalagay na ito ay isang random error term na may mean na 0 at independent at identically distributed.
factor.explanation
Ang koepisyent ng pagpapatuloy ng kita na $\phi_{1,j}$ ay isang mahalagang indikasyon. Kung mas mataas ang halaga nito, mas malakas ang pagpapatuloy ng kita ng kumpanya, ibig sabihin, mas mataas ang autocorrelation ng kita. Kapag ang $\phi_{1,j}$ ay malapit sa 1, nangangahulugan ito na ang kumpanya ay may mataas na antas ng patuloy na kakayahang kumita, at ang antas ng kita sa kasalukuyang panahon ay mas mahusay na makakapagpahiwatig ng antas ng kita sa susunod na panahon, na karaniwang itinuturing na isang repleksyon ng mataas na kalidad ng kita. Sa kabilang banda, kapag ang $\phi_{1,j}$ ay malapit sa 0, nangangahulugan ito na ang kita ng kumpanya ay nagbabago nang malaki, hindi gaanong patuloy, at mahirap hulaan. Maaaring ipahiwatig nito na ang pinagmumulan ng kita ng kumpanya ay hindi matatag, o na ang kita ay lubhang naapektuhan ng mga one-off na salik, na nagreresulta sa mababang kalidad ng antas ng kita. Ang salik na ito ay makakatulong sa pagtukoy ng mga kumpanya na may patuloy na kakayahang kumita, makakatulong sa mga mamumuhunan na gumawa ng mas matalinong mga desisyon sa pamumuhunan, at makakatulong din sa pamamahala ng panganib at matukoy ang mga kumpanya na may malalaking pagbabago sa kita. Sa mga praktikal na aplikasyon, ang mga pamamaraan ng panel data regression ay karaniwang ginagamit upang i-regress ang parehong kumpanya sa isang time series, o upang magsagawa ng regression analysis sa cross-sectional data upang makakuha ng mas matatag na pagtatantya ng koepisyent ng pagpapatuloy ng kita. Sa regression analysis, kinakailangan na bigyang-pansin ang mga potensyal na problema sa heteroskedasticity at autocorrelation, na maaaring itama gamit ang mga robust na pamamaraan ng pagtatantya ng standard error.