Ağırlıklı kazanç tahmini revizyonları
factor.formula
İlk olarak, her kurumun son üç ay içinde yayınlanan son kazanç tahmin revizyonunun büyüklüğünü hesaplayın.
Her kurum için kazanç tahmini revizyonu şu şekilde tanımlanır: mevcut tahmin net karındaki (belirli bir raporlama dönemi için güncel zamanda yayınlanan tahmin değeri) kurum tarafından altı ay içinde bir ay önce yayınlanan aynı raporlama dönemi için en son tahmin değerine göre yüzde değişimi.
Daha sonra, nihai ağırlıklı kazanç tahmini revizyonlarını elde etmek için, Accwt2 yöntemi, son üç ayda her kurumun son kazanç tahmini revizyonlarının ağırlıklı ortalamasını almak için kullanılır.
Detaylı açıklama:
- :
i kurumunun t zamanındaki q çeyreği (veya raporlama dönemi) için kazanç tahmin değeri.
- :
i kurumu tarafından t zamanından bir ay önce (yani, t-1m) yayınlanan aynı q çeyreği (veya raporlama dönemi) için kazanç tahmin değeri. Bu değer, son 6 ay içinde yayınlanan q çeyreği için en son tahmin değeridir.
- :
i kurumunun t zamanındaki q çeyreği için kazanç tahmini revizyonu (E_{i,t,q} - E_{i,t-1m,q})/E_{i,t-1m,q} olarak hesaplanır.
- :
i kurumunun ağırlığı, analistlerin tahminlerinin geçmiş performansına dayalı bir ağırlıklandırma yöntemi olan Accwt2 yöntemiyle belirlenir ve daha yüksek tahmin doğruluğuna sahip analistlere daha fazla ağırlık verilir.
- :
t zamanındaki ağırlıklı kazanç tahmini revizyonu, toplam tüm analistlerin sum(R_{i,t,q} * w_i) olarak hesaplanır, burada sum toplamı temsil etmektedir.
factor.explanation
Geleneksel kazanç revizyon ölçütleri genellikle konsensüs tahminlerindeki değişikliklere dayanırken, bu faktör analistlerin görüşlerindeki heterojenliği daha iyi yansıtabilir ve her kurumun tahmin revizyonlarının kapsamını inceleyerek ve bunları ağırlıklandırarak, şirket kazanç beklentilerine ilişkin piyasa beklentilerindeki değişiklikleri daha kapsamlı bir şekilde yansıtabilir. Analistler arasındaki anlaşmazlıklar gelecekteki hisse senedi fiyat oynaklığına işaret edebilir. Accwt2 ağırlıklandırma yönteminin kullanılması, geçmişteki tahmin performansı daha iyi olan analistlere daha yüksek ağırlıklar verebilir ve böylece faktörün bilgi içeriğini artırabilir.