Предыдущая глава показала, что любой, кто может правильно предсказать доходы следующего года, может пожинать исключительную доходность.

Могут ли аналитики, в среднем, правильно предсказать изменения доходов следующего года?

На Рис. 3 показана форма, которая была использована для сравнения предсказанных изменений доходов компаний на следующие 12 месяцев с фактическими изменениями доходов компаний 12 месяцев спустя. Первый шаг заключался в распределении предсказанных изменений доходов (в процентах) на пять категорий – в каждой по 20 процентов компаний – от худшего (наибольшего отрицательного или наименьшего положительного) к лучшему (наибольшему положительному или наименьшему отрицательному) прогнозу. Эта информация была помещена в Строки, как показано на Рис. 3.


Рис. 3 Прогнозируемые изменения доходов



Рис. 4 Фактические изменения доходов


Точно так же фактические изменения доходов, которые были зарегистрированы 12 месяцев спустя, были распределены на пять категорий от худших к лучшим. Эта информация была помещена в пять Столбцов, как показано на Рис. 4.

Как показано на Рис. 5, если аналитики являются безупречными предсказателями, 20 процентов совместных прогнозируемых и фактических классификаций попадут в диагональ от ячейки «худшие худшие» в верхнем левом углу до ячейки «лучшие лучшие» в нижнем правом углу. То есть если компания, в отношении которой у аналитиков было худшее прогнозируемое изменение доходов, 12 месяцев спустя имеет худшее фактическое изменение доходов, эта компания классифицируется в ячейке «худшие худшие» в верхнем левом углу.


Рис. 5 Безупречные прогнозы


Рис. 6 показывает процент компаний, которые попадут в каждую ячейку, если нет взаимосвязи между прогнозами доходов на следующие 12 месяцев и фактическими изменениями доходов 12 месяцев спустя. То есть если прогнозы и фактические результаты не связаны, в каждой из этих 25 ячеек будут приблизительно 4 процента компаний по системе классификации 5 на 5.

Чтобы определить, могут ли аналитики, в среднем, правильно предсказать изменения доходов на 12 месяцев вперед, сравнивались средние оценки доходов на предстоящие 12 месяцев из базы данных Zacks с фактическими процентными изменениями доходов, которые произошли 12 месяцев спустя. То есть, начиная с 31 декабря 1976 г., сравнивалось прогнозируемое процентное изменение доходов на 12 месяцев вперед для 500–800 крупнейших компаний декабрьского финансового года, для которых у Zacks были прогнозы, с фактическими изменениями доходов, которые произошли 12 месяцев спустя. Этот процесс был повторен для 25 одногодичных периодов до 31 декабря 2001 г.


Рис. 6 Бесполезные прогнозы


На Рис. 7 показан процент компаний, которые попали в каждую ячейку объединенной классификации. Если нет взаимосвязи между 12 месячными прогнозируемыми и фактическими изменениями доходов 12 месяцев спустя, в каждой из этих 25 ячеек было бы приблизительно 4 процента объединенных классификаций. Для простоты интерпретации ячейки на Рис. 7 с частотами больше 4 процентов показаны жирным шрифтом и заштрихованы.

С первого взгляда вы можете увидеть, что между прогнозируемыми и фактическими результатами есть взаимосвязь. Очевидно, что ячейки по диагонали из верхнего левого угла до нижнего правого угла имеют частоты больше 4 процентов. Ячейка в верхнем левом углу показывает, например, что 5,6 процента компаний, в отношении которых аналитики предсказали, что они будут в квантиле худшего изменения доходов, фактически оказались в этой квантиле 12 месяцев спустя.

Точно так же из 20 процентов компаний с лучшими прогнозируемыми изменениями доходов в нижней строке 12 месяцев спустя 8,7 процента попадали в столбец лучшего фактического изменения доходов. Даже несмотря на то, что результат находится далеко от 20 процентов прогнозов, которые сгруппировались бы по диагонали в случае с безупречными прогнозами, тенденция более 4 процентов классификаций “прогнозируемые/фактические” группироваться по диагонали говорит о том, что аналитики имеют некоторую долю способности точно предсказывать изменения доходов на год вперед.


Рис. 7 Процент компаний


Затем обратите внимание на ячейки на Рис. 7 с процентом компаний больше 4, Которые находятся выше диагонали и справа от нее. Это показывает, что в течение прошлых 25 лет аналитиков часто удивляли результаты лучше предсказанных. Например, когда аналитики предсказали изменения доходов в худшей категории (строка), 12 месяцев спустя оказалось, что 5,9 процента из них попали в категорию фактического изменения доходов (столбец) 2. Эта модель «лучше прогнозов» является настолько всеобъемлющей, что справа от каждой ячейки по диагонали находится ячейка с частотой выше нормальной (кроме, конечно, ячейки в нижней строке).

Большинство других ячеек с обеих сторон от диагонали показывают проценты компаний ниже 4. Примечательное исключение появляется в нижнем левом углу.

Большинство опытных инвесторов чувствуют, что в течение прошлых 25 лет было больше «акций торпед» – акций с большими ожиданиями, которые принесли неутешительные доходы – чем акций с небольшими ожиданиями, которые принесли приятные сюрпризы в отношении доходов. Данные на Рис. 7 подтверждают это мнение. Здесь табличные данные за более чем 25 лет показывают, что, в среднем, 5,0 процента компаний попали в ячейку чрезвычайно неутешительных доходов в нижнем левом углу сетки. И наоборот, только 2,1 процента компаний попали в ячейку чрезвычайно приятных сюрпризов в верхнем правом углу.

Были ли аналитики способны предсказать изменения доходов следующего года на одну акцию точно? Один из способов ответа на этот вопрос состоит в том, чтобы использовать анализ сопряженности признаков для сравнения фактических частот, которые показаны на Рис. 7, с частотами, которые мы ожидали бы, если бы не было никакой взаимосвязи между прогнозируемыми и фактическими процентными изменениями доходов. Другой способ заключается в использовании корреляционного и регрессионного анализа для сравнения прогнозируемых и фактических изменений. Да, действительно имела место статистически значимая взаимосвязь между прогнозируемыми изменениями доходов в начале года и фактическими изменениями доходов годом позже.

Статистически говоря, да, аналитики действительно могут правильно предсказать изменения доходов следующего года.


  • Размещение активов

  • Размещение активов

  • Без заголовка 131


  • Предыдущая глава показала, что любой, кто может правильно предсказать доходы следующего года, может пожинать исключительную доходность.

    Могут ли аналитики, в среднем, правильно предсказать изменения доходов следующего года?

    На Рис. 3 показана форма, которая была использована для сравнения предсказанных изменений доходов компаний на следующие 12 месяцев с фактическими изменениями доходов компаний 12 месяцев спустя. Первый шаг заключался в распределении предсказанных изменений доходов (в процентах) на пять категорий – в каждой по 20 процентов компаний – от худшего (наибольшего отрицательного или наименьшего положительного) к лучшему (наибольшему положительному или наименьшему отрицательному) прогнозу. Эта информация была помещена в Строки, как показано на Рис. 3.


    Рис. 3 Прогнозируемые изменения доходов



    Рис. 4 Фактические изменения доходов


    Точно так же фактические изменения доходов, которые были зарегистрированы 12 месяцев спустя, были распределены на пять категорий от худших к лучшим. Эта информация была помещена в пять Столбцов, как показано на Рис. 4.

    Как показано на Рис. 5, если аналитики являются безупречными предсказателями, 20 процентов совместных прогнозируемых и фактических классификаций попадут в диагональ от ячейки «худшие худшие» в верхнем левом углу до ячейки «лучшие лучшие» в нижнем правом углу. То есть если компания, в отношении которой у аналитиков было худшее прогнозируемое изменение доходов, 12 месяцев спустя имеет худшее фактическое изменение доходов, эта компания классифицируется в ячейке «худшие худшие» в верхнем левом углу.


    Рис. 5 Безупречные прогнозы


    Рис. 6 показывает процент компаний, которые попадут в каждую ячейку, если нет взаимосвязи между прогнозами доходов на следующие 12 месяцев и фактическими изменениями доходов 12 месяцев спустя. То есть если прогнозы и фактические результаты не связаны, в каждой из этих 25 ячеек будут приблизительно 4 процента компаний по системе классификации 5 на 5.

    Чтобы определить, могут ли аналитики, в среднем, правильно предсказать изменения доходов на 12 месяцев вперед, сравнивались средние оценки доходов на предстоящие 12 месяцев из базы данных Zacks с фактическими процентными изменениями доходов, которые произошли 12 месяцев спустя. То есть, начиная с 31 декабря 1976 г., сравнивалось прогнозируемое процентное изменение доходов на 12 месяцев вперед для 500–800 крупнейших компаний декабрьского финансового года, для которых у Zacks были прогнозы, с фактическими изменениями доходов, которые произошли 12 месяцев спустя. Этот процесс был повторен для 25 одногодичных периодов до 31 декабря 2001 г.


    Рис. 6 Бесполезные прогнозы


    На Рис. 7 показан процент компаний, которые попали в каждую ячейку объединенной классификации. Если нет взаимосвязи между 12 месячными прогнозируемыми и фактическими изменениями доходов 12 месяцев спустя, в каждой из этих 25 ячеек было бы приблизительно 4 процента объединенных классификаций. Для простоты интерпретации ячейки на Рис. 7 с частотами больше 4 процентов показаны жирным шрифтом и заштрихованы.

    С первого взгляда вы можете увидеть, что между прогнозируемыми и фактическими результатами есть взаимосвязь. Очевидно, что ячейки по диагонали из верхнего левого угла до нижнего правого угла имеют частоты больше 4 процентов. Ячейка в верхнем левом углу показывает, например, что 5,6 процента компаний, в отношении которых аналитики предсказали, что они будут в квантиле худшего изменения доходов, фактически оказались в этой квантиле 12 месяцев спустя.

    Точно так же из 20 процентов компаний с лучшими прогнозируемыми изменениями доходов в нижней строке 12 месяцев спустя 8,7 процента попадали в столбец лучшего фактического изменения доходов. Даже несмотря на то, что результат находится далеко от 20 процентов прогнозов, которые сгруппировались бы по диагонали в случае с безупречными прогнозами, тенденция более 4 процентов классификаций “прогнозируемые/фактические” группироваться по диагонали говорит о том, что аналитики имеют некоторую долю способности точно предсказывать изменения доходов на год вперед.


    Рис. 7 Процент компаний


    Затем обратите внимание на ячейки на Рис. 7 с процентом компаний больше 4, Которые находятся выше диагонали и справа от нее. Это показывает, что в течение прошлых 25 лет аналитиков часто удивляли результаты лучше предсказанных. Например, когда аналитики предсказали изменения доходов в худшей категории (строка), 12 месяцев спустя оказалось, что 5,9 процента из них попали в категорию фактического изменения доходов (столбец) 2. Эта модель «лучше прогнозов» является настолько всеобъемлющей, что справа от каждой ячейки по диагонали находится ячейка с частотой выше нормальной (кроме, конечно, ячейки в нижней строке).

    Большинство других ячеек с обеих сторон от диагонали показывают проценты компаний ниже 4. Примечательное исключение появляется в нижнем левом углу.

    Большинство опытных инвесторов чувствуют, что в течение прошлых 25 лет было больше «акций торпед» – акций с большими ожиданиями, которые принесли неутешительные доходы – чем акций с небольшими ожиданиями, которые принесли приятные сюрпризы в отношении доходов. Данные на Рис. 7 подтверждают это мнение. Здесь табличные данные за более чем 25 лет показывают, что, в среднем, 5,0 процента компаний попали в ячейку чрезвычайно неутешительных доходов в нижнем левом углу сетки. И наоборот, только 2,1 процента компаний попали в ячейку чрезвычайно приятных сюрпризов в верхнем правом углу.

    Были ли аналитики способны предсказать изменения доходов следующего года на одну акцию точно? Один из способов ответа на этот вопрос состоит в том, чтобы использовать анализ сопряженности признаков для сравнения фактических частот, которые показаны на Рис. 7, с частотами, которые мы ожидали бы, если бы не было никакой взаимосвязи между прогнозируемыми и фактическими процентными изменениями доходов. Другой способ заключается в использовании корреляционного и регрессионного анализа для сравнения прогнозируемых и фактических изменений. Да, действительно имела место статистически значимая взаимосвязь между прогнозируемыми изменениями доходов в начале года и фактическими изменениями доходов годом позже.

    Статистически говоря, да, аналитики действительно могут правильно предсказать изменения доходов следующего года.


  • Размещение активов

  • Размещение активов

  • Без заголовка 131


  • Предыдущая глава показала, что любой, кто может правильно предсказать доходы следующего года, может пожинать исключительную доходность.

    Могут ли аналитики, в среднем, правильно предсказать изменения доходов следующего года?

    На Рис. 3 показана форма, которая была использована для сравнения предсказанных изменений доходов компаний на следующие 12 месяцев с фактическими изменениями доходов компаний 12 месяцев спустя. Первый шаг заключался в распределении предсказанных изменений доходов (в процентах) на пять категорий – в каждой по 20 процентов компаний – от худшего (наибольшего отрицательного или наименьшего положительного) к лучшему (наибольшему положительному или наименьшему отрицательному) прогнозу. Эта информация была помещена в Строки, как показано на Рис. 3.


    Рис. 3 Прогнозируемые изменения доходов



    Рис. 4 Фактические изменения доходов


    Точно так же фактические изменения доходов, которые были зарегистрированы 12 месяцев спустя, были распределены на пять категорий от худших к лучшим. Эта информация была помещена в пять Столбцов, как показано на Рис. 4.

    Как показано на Рис. 5, если аналитики являются безупречными предсказателями, 20 процентов совместных прогнозируемых и фактических классификаций попадут в диагональ от ячейки «худшие худшие» в верхнем левом углу до ячейки «лучшие лучшие» в нижнем правом углу. То есть если компания, в отношении которой у аналитиков было худшее прогнозируемое изменение доходов, 12 месяцев спустя имеет худшее фактическое изменение доходов, эта компания классифицируется в ячейке «худшие худшие» в верхнем левом углу.


    Рис. 5 Безупречные прогнозы


    Рис. 6 показывает процент компаний, которые попадут в каждую ячейку, если нет взаимосвязи между прогнозами доходов на следующие 12 месяцев и фактическими изменениями доходов 12 месяцев спустя. То есть если прогнозы и фактические результаты не связаны, в каждой из этих 25 ячеек будут приблизительно 4 процента компаний по системе классификации 5 на 5.

    Чтобы определить, могут ли аналитики, в среднем, правильно предсказать изменения доходов на 12 месяцев вперед, сравнивались средние оценки доходов на предстоящие 12 месяцев из базы данных Zacks с фактическими процентными изменениями доходов, которые произошли 12 месяцев спустя. То есть, начиная с 31 декабря 1976 г., сравнивалось прогнозируемое процентное изменение доходов на 12 месяцев вперед для 500–800 крупнейших компаний декабрьского финансового года, для которых у Zacks были прогнозы, с фактическими изменениями доходов, которые произошли 12 месяцев спустя. Этот процесс был повторен для 25 одногодичных периодов до 31 декабря 2001 г.


    Рис. 6 Бесполезные прогнозы


    На Рис. 7 показан процент компаний, которые попали в каждую ячейку объединенной классификации. Если нет взаимосвязи между 12 месячными прогнозируемыми и фактическими изменениями доходов 12 месяцев спустя, в каждой из этих 25 ячеек было бы приблизительно 4 процента объединенных классификаций. Для простоты интерпретации ячейки на Рис. 7 с частотами больше 4 процентов показаны жирным шрифтом и заштрихованы.

    С первого взгляда вы можете увидеть, что между прогнозируемыми и фактическими результатами есть взаимосвязь. Очевидно, что ячейки по диагонали из верхнего левого угла до нижнего правого угла имеют частоты больше 4 процентов. Ячейка в верхнем левом углу показывает, например, что 5,6 процента компаний, в отношении которых аналитики предсказали, что они будут в квантиле худшего изменения доходов, фактически оказались в этой квантиле 12 месяцев спустя.

    Точно так же из 20 процентов компаний с лучшими прогнозируемыми изменениями доходов в нижней строке 12 месяцев спустя 8,7 процента попадали в столбец лучшего фактического изменения доходов. Даже несмотря на то, что результат находится далеко от 20 процентов прогнозов, которые сгруппировались бы по диагонали в случае с безупречными прогнозами, тенденция более 4 процентов классификаций “прогнозируемые/фактические” группироваться по диагонали говорит о том, что аналитики имеют некоторую долю способности точно предсказывать изменения доходов на год вперед.


    Рис. 7 Процент компаний


    Затем обратите внимание на ячейки на Рис. 7 с процентом компаний больше 4, Которые находятся выше диагонали и справа от нее. Это показывает, что в течение прошлых 25 лет аналитиков часто удивляли результаты лучше предсказанных. Например, когда аналитики предсказали изменения доходов в худшей категории (строка), 12 месяцев спустя оказалось, что 5,9 процента из них попали в категорию фактического изменения доходов (столбец) 2. Эта модель «лучше прогнозов» является настолько всеобъемлющей, что справа от каждой ячейки по диагонали находится ячейка с частотой выше нормальной (кроме, конечно, ячейки в нижней строке).

    Большинство других ячеек с обеих сторон от диагонали показывают проценты компаний ниже 4. Примечательное исключение появляется в нижнем левом углу.

    Большинство опытных инвесторов чувствуют, что в течение прошлых 25 лет было больше «акций торпед» – акций с большими ожиданиями, которые принесли неутешительные доходы – чем акций с небольшими ожиданиями, которые принесли приятные сюрпризы в отношении доходов. Данные на Рис. 7 подтверждают это мнение. Здесь табличные данные за более чем 25 лет показывают, что, в среднем, 5,0 процента компаний попали в ячейку чрезвычайно неутешительных доходов в нижнем левом углу сетки. И наоборот, только 2,1 процента компаний попали в ячейку чрезвычайно приятных сюрпризов в верхнем правом углу.

    Были ли аналитики способны предсказать изменения доходов следующего года на одну акцию точно? Один из способов ответа на этот вопрос состоит в том, чтобы использовать анализ сопряженности признаков для сравнения фактических частот, которые показаны на Рис. 7, с частотами, которые мы ожидали бы, если бы не было никакой взаимосвязи между прогнозируемыми и фактическими процентными изменениями доходов. Другой способ заключается в использовании корреляционного и регрессионного анализа для сравнения прогнозируемых и фактических изменений. Да, действительно имела место статистически значимая взаимосвязь между прогнозируемыми изменениями доходов в начале года и фактическими изменениями доходов годом позже.

    Статистически говоря, да, аналитики действительно могут правильно предсказать изменения доходов следующего года.


  • Размещение активов

  • Размещение активов

  • Без заголовка 131

  •