Построение модели прогноза чистой прибыли на акцию (eps) для публичной компании

Аннотация В статье был представлен обзор литературы на тему прогнозирования чистой прибыли на акцию (EPS). Были рассмотрены как теоретические, так и практические вопросы. Несмотря на то, что многие работы в этой области ожидают, что они могут внести вклад в сферы финансового планирования, прогнозирования и оценки, очень немногие из них предоставляют доказательства того, что разработанные модели обладают достаточно высокой точностью прогнозов, чтобы их можно было напрямую применять инвесторам, финансовым аналитикам или частным лицам, чтобы получить оценки будущих EPS для своих целей. По этой причине это исследование в первую очередь касается предоставления эмпирических данных для вопроса о том, могут ли прогнозы, полученные с помощью моделей временных рядов, быть практически полезными и применимыми. На самом деле, многие финансовые учреждения делают и публикуют оценки будущих EPS, которые широко используются инвесторами и финансистами в своей деятельности. Вот почему для ответа на этот вопрос необходимо определить, могут ли прогнозы, сделанные с помощью моделей временных рядов, быть такими же точными, как и прогнозы, опубликованные надежными финансовыми организациями. Анализ был ограничен линейными моделями временных рядов. В этой статье мы разработали и оценили 4 линейные модели временных рядов (TBATS, VAR, SARIMA, Dynamic regression) на основе данных квартальных балансовых отчетов и отчетов о прибылях и убытках из выборки из 30 публичных компаний США. Эти модели использовались для проверки гипотезы о том, способен ли анализ временных рядов на основе исторических данных из финансовой отчетности давать квартальные прогнозы EPS с прогнозирующей точностью, сопоставимой с точностью оценок финансовых учреждений. В результате мы предоставили эмпирическое доказательство того, что линейные модели временных рядов имели гораздо меньшую точность прогноза по сравнению с консенсус-оценками Уолл-стрит. Оказалось, что модели генерировали ошибки, которые были как минимум вдвое больше, чем в оценках Уолл-стрит. Кроме того, это первая статья, в которой была представлена модель TBATS в области прогнозирования EPS. Было показано, что эта модель обладает лучшими прогнозирующими свойствами по сравнению с другими 3 рассмотренными подходами.