天真的外推假设和乐观的悲观预测

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《The Naive Extrapolation Hypothesis and the Rosy-Gloomy Forecasts》
---
作者：
Vasileios Barmpoutis
---
最新提交年份：
2014
---
英文摘要：
  I study the behavior and the performance of the long-term forecasts issued by financial analysts with respect to the Extrapolation Hypothesis. That hypothesis states that investors, extrapolating from the firms\' recent performances, are too optimistic about growth and large firms and too pessimistic about value and small firms. I find that the forecasting errors are higher for the growth firms and large firms, thus providing support for the Extrapolation Hypothesis. However, in addition to the rosy picture of the growth and large firms, the forecasts of the value and small firms are not so gloomy in many cases. My analysis also reveals that expectations move together for all categories of book-to-market and all sizes of firms. I proceed by investigating some common factors that may influence analysts\' long-term forecasts, including co-movement and excessive optimism. I find that macro factors beyond a firm\'s recent performance may influence the formation of expectations.
---
中文摘要：
我研究了金融分析师根据外推假设发布的长期预测的行为和表现。该假说指出，从公司最近的表现推断，投资者对增长和大公司过于乐观，而对价值和小公司过于悲观。我发现成长型企业和大型企业的预测误差更高，从而为外推假设提供了支持。然而，除了增长和大公司的美好前景之外，对价值和小公司的预测在许多情况下也不那么悲观。我的分析还显示，对于所有类别的图书上市公司和所有规模的公司，预期都会一起变化。接下来，我调查了一些可能影响分析师长期预测的常见因素，包括共同运动和过度乐观。我发现，公司近期业绩以外的宏观因素可能会影响预期的形成。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> The_Naive_Extrapolation_Hypothesis_and_the_Rosy-Gloomy_Forecasts.pdf (1.15 MB)

2022-5-6 07:27:06 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Quantitative Expectations Applications performance expectation

朴素的外推假设和悲观的预测巴斯莱奥斯·巴姆普提沙瓦德大学肯尼迪学院摘要*我研究了金融分析师根据外推假设发布的长期预测的行为和表现。该假设指出，根据公司最近的表现推断，投资者对增长和大公司过于乐观，而对价值和小公司过于悲观。我发现成长型企业和大型企业的预测误差更高，从而为外推假设提供了支持。然而，除了增长和大公司的美好前景之外，对价值和小公司的预测在许多情况下并不那么悲观。我的分析还显示，对于所有类别的图书上市公司和所有规模的公司，预期都会一起变化。我接着调查了一些可能影响分析师长期预测的常见因素，包括共同运动和过度乐观。我发现公司近期业绩以外的宏观因素可能会影响预期的形成。一、导言众所周知，价值策略，例如使用账面市盈率（B/M）和市盈率作为衡量指标购买廉价股票，在足够长的时间内获得较高的回报。然而，其原因存在争议。有两种相互矛盾的理论被用来解释这种现象。Fama和French（1992）解释了价值型股票回报率较高的原因是风险较高。相比之下，拉科尼肖克、施莱弗和维什尼（LSV）（1994年）则提出了行为学的解释。更具体地说，LSV（1994）提出了一个假设，即投资者天真地将公司当前的业绩预测到未来。

但是，在现实中，大多数公司无法维持以前的增长率，最终他们的业绩意味着恢复。成长型公司*我感谢弗朗索瓦·德乔治、罗尼·迈克尔、亚历山大·瓦格纳和理查德·泽克豪泽的帮助、评论和建议。瑞士金融研究所、FNS-ProDoc-PDFMP1U项目和瑞士国家基金奖学金的财政支持使这项工作成为可能，我们对此表示感谢。所有的错误都是我的。请把所有信件寄给瓦西里欧斯_barmpoutis@hks.harvard.edu.slow下降，价值公司提高他们的业绩。股票市场对这种情况的认识存在一定的滞后性，收益率也随之调整。La Porta（1996）发现证据表明，购买预测增长率较低的股票和出售预测增长率较高的股票的做法会带来预期收益。此外，La Porta、Lakonishok、Shleifer和Vishny（1997）发现，在投资组合形成后的5年内，对收益公告的反应对价值型股票比增长型（魅力型）股票更积极。Doukas、Kim和Pantzalis（2002）将公司按市盈率和五分位数进行分类，并使用金融分析师的每股收益预测来检查与公司分类有关的预测错误。他们发现，与外推假设的预测相反，年初收益预测实际上对价值和小型股更为乐观。在这项研究中，我提出的证据表明，金融分析师的长期预测确实对增长和大型企业更为乐观，为外推假设提供了支持。从这个意义上说，这项研究的结果与La Porta（1996）的结果接近，后者也使用了分析师的长期增长预测。

然而，La Porta并没有直接通过将公司分成按市值和规模分类的投资组合，然后测试其长期绩效来检验外推假设，这是我在本研究中遵循的程序。更具体地说，我发现，对于账面市盈率较低的公司和大型公司，信息预测增长的误差更大。此外，对于样本期内的大多数案例，所有类别的图书市场和所有规模的公司的预测误差都是正的。换句话说，分析师高估了所有公司的增长前景，但他们对增长前景和大公司的前景尤其过于乐观。唯一一类表现出负面预测错误的公司是价值非常小的公司。长期预测的另一个特点是，分析师的预期会一起移动，也就是说，对于所有类别的账面市值和所有规模的公司，他们的预期会一起增加和减少。我认为一定有一些宏观因素迫使分析师同时更新对所有公司类别的预测。我通过调查分析师预期与一系列可能的影响因素之间的关系来探索这一现象。我发现分析师的预测主要受平均公司年龄和前一年平均公司业绩的影响。然而，总体市场回报、公司具体回报、GDP增长、专业预测调查（SPF）发布的GDP增长预测以及公司的季度收益并不会对分析师产生特别的影响（或者他们受到了错误方向的影响）。此外，分析师的预测与SPF的公司利润预测不一致，且过于乐观。

此外，我还提供了一些初步证据，表明长期预测受到IPO数量和全要素生产率（TFP）的影响。IPO的影响不仅限于刚刚进入股市的新公司，还包括已经上市的公司。总的来说，分析人士的乐观情绪似乎不仅是单个公司业绩的结果，也是整个经济发展的结果。总的来说，研究结果表明，增长型股票表现不佳似乎是之前过度乐观的结果，如LSV（1994）和其他文献所述。此外，该研究还提供了一些证据，表明基本面推断（例如Barberis、Schleifer和Vishny（1998）、Fuster、Herbert和Laibson（2011））可能在解释股市观察到的模式方面发挥了一定作用。论文的结构如下。第二节介绍了数据。第三节考察了外倾假说。第四节考察了期望和错误的共同运动。第五节调查了促成共同运动的一些因素。第六节总结。二、数据这些数据来自IBES、CRSP和Compustat。我使用了1981年至2011年的IBES长期预测摘要文件、1981年至2011年的CRSP月度和每日文件、1955年至2011年的CRSP事件文件以及1981年至2011年的Compustat年度基本面文件。对于与长期预测相关的分析，我使用了CRSP月度文件、IBES长期预测汇总文件和Compustat中公司的交叉点。

为了分析公司的会计数据，我使用了CRSP事件文件和Compustat年度和季度基本面文件的交叉点。我使用WRDS提供的连接表创建IBES长期汇总文件和CRSP月度文件的交叉点。我还使用WRDS提出的程序连接CRSP和Compustat。我使用CRSP标识符（permno）作为连接IBE和CompuStat文件的桥梁。图[1]和[2]显示了IBES长期预测汇总文件（与CRSP的交集）的描述性统计数据。图[1]显示了1981-2011年期间每年的公司数量。图[2]显示了同一时期每年的估计数。CRSP月度文件包括来自三个交易所（纽约证券交易所、美国证券交易所和纳斯达克）的21120家公司。CRSP股票被分配到五个大小五分位数。五分位数对应于纽约证券交易所的五分位数，每只股票在每一年开始时根据其上一年年底的市场份额分配给每一个投资组合。每只股票在投资组合中保留一年。为了计算每家公司的账面市值，我使用了Compustat annualfundamentals文件中的会计数据。我将账面价值计算为资产、递延所得税、投资税收抵免和可转换债务之和，减去优先股和总负债。我在当前日历年结束时计算市场价值，然后计算账面市盈率。我每年使用纽约证券交易所的断点计算账面价值的五分之一。

一家公司所属的五分之一在接下来的一整年都是一样的；2001年12月计算的五分位数用于2002年全年。图[3]显示了在theIBES长期预测汇总文件和CRSP月度文件之间的交叉点上，每册上市五分位数的公司数量。图[4]给出了关于五分位数大小的相同信息。三、 外推假设外推假设指出，相对于价值公司（高账面市值公司），成长型公司（低账面市值公司）的投资者预期过高。此外，根据Famaand French（1992年）的说法，价值型股票的高回报与小公司而不是大公司有关，这使得这成为推断的另一个基础。此外，投资者会根据未来企业的近期表现进行推断。Doukas等人（2002年）使用分析师的收益预测直接测试外推假设，但没有找到支持它的证据。具体来说，他们将股票分为按市值计算的五分位数；他们发现，账面市值最高的五分之一股票——价值型股票——的预测误差最大，而第一五分之一股票——成长型股票——的预测误差最小。根据Doukas等人（2002年）的研究，这一发现提供了证据，表明投资者对价值型股票更为乐观（假设分析师的预测代表了投资者的预期），而对成长型股票的乐观程度较低，这与外推假设描述的情况相反。Doukas等人根据公司规模重复排序程序。他们把股票分成五个大小的五等分；他们发现，较小的公司比较大的公司有更高的预测误差。

他们认为这是一个发现，即投资者不会高估大公司的收益，这与外推假设的含义相反。我没有使用季度和年度每股收益（EPS）预测，而是使用分析师的长期增长预测来检验外推假设。长期增长预测的一个优点是，它们提供了预期的增长率，因此我不仅可以比较分析师的错误，还可以比较公司之间的预期增长率本身。请注意，使用收益预测来比较错误公司有两个困难。首先，分析师似乎与管理层合作；他们预测每股收益的方式使管理层能够超越预测（Degeorge、Patel和Zeckhauser，1999）。另一种是，为了便于不同公司之间的比较，将误差分开，例如按价格，可能会改变误差在公司之间的分布（Cheong和Thomas，2011）。长期增长预测对应于公司下一个完整商业周期内营业收入的年均增长。根据IBES的数据，这些预测指的是三到五年。我使用四年的值作为中间值。为了定义长期预测者，我必须将预测归因于会计数量。我使用折旧前的营业收入。IBES手册对长期预测进行了以下描述：“长期增长率预测是直接从贡献分析师处获得的，而不是由汤森路透计算。虽然不同的分析师采用不同的方法，但长期增长预测通常代表公司下一个完整商业周期内营业收入的预期年增长。通常，这些预测指的是三到五年之间。”根据Compustat（第。

折旧前的营业收入计算为销售（净额）减去售出和销售商品的成本，扣除折旧、折耗和摊销前的一般费用和管理费用。这一定义同时考虑了销售额和销售成本，因此这是一个接近IBES建议的“营业收入”的指标。我定义了两种类型的错误，简单错误和相对错误。简单的预测误差定义为：与OIBDPi，t公司第一季度折旧前的营业收入，以及与预测的OIBDPi，t-4公司第一季度四年前预测的营业收入的相对误差。换句话说，我检查本季度和四年前同一季度折旧前的营业收入。通过这样做，我为everyfirm创建了预测错误的时间序列。相对预测误差是优越的，因为它与操作收益的大小无关。因为这些数字不是每股的，所以分母很小的问题就被大大简化了。选择营业收入作为所选会计变量有两个缺点。首先，有一些缺失值：683300个潜在观测值中的157119个在Compustat Fundamentals文件中缺失。第二，这个指标太不稳定。高波动性带来的问题是，例如，某个季度的峰值将导致错误的结论，即表现优于预期，反之亦然。我试图通过用缺失值前后季度的平均值替换缺失值来缓解第一个问题。在sodoing中，我将样本量增加了7344个观察值。

为了解决第二个问题，我使用了公司当前和前四个季度营业收入的移动平均值。图[5]以微软的营业收入为例。所采用的程序旨在有效降低跨期波动，同时也遵循微软营业收入的趋势。三、 A.从账面到市场为了检验增长和价值公司的外推假设，我按账面到市场的五分位数对股票进行排序，并检查预测误差中值。我使用中值误差来避免异常值的影响。I/B/E/S也建议使用中位数进行长期增长预测。表[1]给出了整个样本的简单误差、相对误差和每五分位数的预期结果。这些误差，无论是绝对误差还是相对误差，对所有面向市场的五分位数都是积极的，表明了分析师的乐观态度。然而，由于预测与实现之间的比较是在四年后进行的，因此，在计算预测偏差的情况下，预测样本要到2007年，但实际结果要到2011年。所以，由于使用了2011年的实际结果，而不是2011年发布的预测，所以样本一直保留到2011年。本文的其他章节使用了2011年之前的完整预测样本。不同的五分位数。第一个五分位数对应于成长型企业，相对误差为21%。这意味着四年后折旧前的营业收入被高估了21%。对高账面市值公司的高估仅为1.26%，与成长型股票的误差相比可以忽略不计。三个中间五分位数的误差分别为14.5%、6.9%和3。7%; 也就是说，对于账面市值较高的股票，误差单调减小。