BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Welc Jacek
Tytuł
Proste modele autoregresyjne w prognozowaniu Kwartalnych wyników finansowych spółek giełdowych - wpływ łączenia prognoz na średni błąd prognoz
Simple Autoregressive Models in Forecasting Corporate Quarterly Earnings - the Impact of Combining Forecasts on Forecasts Accuracy
Źródło
Rozprawy i Studia / Uniwersytet Szczeciński, 2011, nr 783, s. 284-299, tab., bibliogr. 17 poz.
Słowa kluczowe
Spółki giełdowe, Metody prognozowania, Wynik finansowy, Analiza porównawcza
Stock market companies, Forecasting methods, Financial performance, Comparative analysis
Uwagi
summ.
Abstrakt
W rozdziale tym porównano trafność indywidualnych prognoz kwartalnych zysków operacyjnych polskich spółek publicznych, sporządzonych przez analityków giełdowych oraz otrzymanych z prostych modeli autoregresyjnych, z trafnością prognoz łączonych, otrzymanych jako kombinacje kilku pojedynczych prognoz autoregresyjnych. Zastosowano dwa alternatywne podejścia do łączenia prognoz. Badanie wykazało, że proste łączenie autoregresyjnych prognoz kwartalnych zysków operacyjnych polskich spółek (przez liczenie średniej arytmetycznej z dwóch lub trzech prognoz o słabo skorelowanych błędach względnych) nie powoduje zbyt dużego obniżenia przeciętnych błędów predykcji. Mediana oraz średnia arytmetyczna błędów bezwzględnych prognoz otrzymanych z najlepszych spośród alternatywnych modeli autoregresyjnych są znacznie niższe niż dla analizowanych prognoz łączonych. Proste łączenie prognoz autoregresyjych nie zmniejsza również relatywnej przewagi prognoz analityków nad predykcjami mechanicznymi. (fragment tekstu)

The earnings forecasts are carefully watched by many stock market participants. Analysts, when making those forecasts, usually exploit a wide range of available information, concerning the company under investigation as well as its economic environment. Other approach to earnings forecasting is based solely on corporate historical financial results and the predictions are made with the use of mechanical methods. However, the empirical evidence generally points out to quite low accuracy of earnings forecasts (made by analysts as well as obtained from mechanical procedures). It suggests the possibility to reduce the average forecast errors by combining forecasts. The paper explores the impact of combining forecasts obtained from several alternative autoregressive models on the accuracy of quarterly operating earnings forecasts made for polish public companies. The research found that neither simple combining (by the mean of simple arithmetic average of two or three individual forecasts) nor combining based on regression analysis (in whish actual earnings constitute dependent variable and individual earnings forecasts constitute explanatory variables) do not reduce the median absolute forecast error (this median turned out to be higher than in the case of the best individual forecasts). However, regression-based combining enabled the reduction of arithmetic average absolute forecast errors (this measure turned out to be lower than in the case of analysts forecasts as well as all the autoregressive predictions).(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Biblioteka Główna Uniwersytetu Szczecińskiego
Bibliografia
Pokaż
  1. Armstrong J.S., Principles of Forecasting: A Handbook for Researchers and Practitioners, Kluwer Academic Publishers, Norwell 2001.
  2. Barassi M.R., Caporale G.M., Hall S.G., Testing for Changes in the Long-run Causal Structure of Cointegrated Vector Autor egressions, The University of Birmingham, Department of Economics Discussion Papers, September 2001.
  3. Brown L.D., Analyst Forecasting Errors and Their Implications for Security Analysis: An Alternative Perspective, "Financial Analyst Journal" 1996, January -February.
  4. Bunn D.W., Combining Forecasts, "European Journal of Operational Research" 1988, Vol. 33, February.
  5. Chatfield R.E., Moycr R.Ch., Sisneros P.M., The Accuracy of Long-Term Earnings Forecasts for Industrial Firms, "Quarterly Journal of Business and Economics" 1989, Vol. 28.
  6. Ciccone S.J., Analysts' Annual Forecasts and Quarterly Earnings Releases, University of New Hampshire Working Papers 2002.
  7. Dreman D., Contrarian Investment Strategies. The Next Generations: Beat the Market by Going Against the Crowd, Simon & Shuster 1998.
  8. Guerard J.B., Beidleman C.R., Composite Earnings Forecasting Efficiency, interfaces" 1987, Vol. 17, September-October.
  9. Harris R., Conroy R., Consensus Forecasts of Corporate Earnings: Analysts' Forecasts and Time-Series Methods, "Management Science" 1987.
  10. Holmen J.S., A Note on the Value of Combining Short-term Earnings Forecasts: A Test of Granger and Ramanathan, "International Journal of Forecasting" 1987, Vol. 3.
  11. Lobo G.J., Nair R.D., Combining Judgmental and Statistical Forecasts: An Application Earnings Forecasts, "Decision Sciences" 2007, Vol. 21, June.
  12. Malkiel B.G., A Random Walk Down Wall Street. The Time-Tested Strategy for Successful Investing, W.W. Norton & Company 2007.
  13. O'Brien P., Analysts' Forecasts as Earnings Expectations, "Journal of Accounting and Economics" 1988, Vol. 10.
  14. Rothovius T., Earnings and Analysts' Forecasts, The American Finance Association Meeting, University of Oulu, Oulu 2008.
  15. Terregrossa S.J., Combining Analysts' Forecasts with Causal Model Forecasts of Earnings Growth, "Applied Financial Economics" 1999, Vol. 9, April.
  16. Timmermann A.G., Forecast Combinations, Centre for Economic Policy Research Discussion Papers, November 2005.
  17. White G.I., Sondhi A.C., Fried D., The Analysis and Use of Financial Statements, John Wiley & Sons 2003.
Cytowane przez
Pokaż
ISSN
0860-2751
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu