Cтраница 3
Большинство моделей временных рядов, используемых при прогнозировании прибыли, построено на основе квартальных данных о прибыли на акцию. В своей обзорной статье Батке и Лорек ( Bathke and Lorek, 1984) указали, что три модели временных рядов принесли пользу в предсказании квартальной прибыли на акцию. Все три модели являются сезонными авторегрессионными интегрированными моделями скользящего среднего ( SARIMA), поскольку квартальные прибыли на акцию имеют сильный сезонный компонент. [31]
Однако, основная трудность здесь состоит в том, что экономические данные ( в особенности, в периоды, когда ситуация быстро меняется) содержат гораздо меньше степеней свободы, чем это требуется для оценки параметров модели. Поэтому специалисты, занимающиеся анализом временных рядов, пользуются хорошо специфицированными статистическими моделями со всего одной или двумя переменными. Реально MoF Голландии оценивает ежемесячные поступления с помощью модели ARIMA ( 0 0 0) ( 0 l l) i2 - Для прогнозов задним числом модели временных рядов типа ARIMA-MoF часто оказываются не хуже эконометрических, но у них есть тот недостаток, что эти модели не содержат переменных и соотношений, и, следовательно, по результатам расчетов трудно сделать какие-либо выводы относительно экономической политики. [32]
Для выбора подходящего класса моделей среди множества возможных требуется удобный критерий или цель. Этот критерий может быть точно определен тем, кто пользуется моделью. Например, таким критерием может быть способность хорошего предсказания у наиболее подходящей модели из выбранного класса. Это требование достаточно обычное для моделей временных рядов. Другим обычным использованием модели является генерирование синтезированных данных, обладающих статистическими характеристиками, сходными с наблюдаемыми данными. [33]
При использовании моделей временных рядов в предсказании прибыли возникает несколько вопросов. Во-первых, модели временных рядов требуют многих данных, и именно поэтому большинство из них строится на основе квартальной прибыли на акцию. В большинстве оценок главное внимание уделяется предсказанию годовой прибыли на акцию, а не квартальной прибыли. В-третьих, превосходство предсказанной прибыли на основе моделей временных рядов уменьшается при увеличении периода оценки. Если учесть, что предсказания прибыли в процессе оценки должны делаться для нескольких лет, а не кварталов, то модели временных рядов, по всей вероятности, имеют ограниченную ценность. Наконец, исследования показали, что предсказания аналитиков превосходят даже лучшие модели временных рядов для оценки будущей прибыли. [34]
Общепринятый вывод из исследований краткосрочных прогнозов прибыли ( на 1 - 4 квартала вперед) заключается в том, что аналитики предоставляют более качественные оценки прибыли, чем модели, зависящие только от исторических данных. Были подытожены прогнозы относительно доходов для более чем 50 инвестиционных фирм. Они обнаружили, что модели временных рядов в период с апреля по август действительно обеспечивают более эффективные предсказания, чем аналитики, и менее эффективные - в период с сентября по январь. Они объяснили это тем, что в последней части года аналитики получают доступ к большему объему информации, имеющему отношение к фирмам. В другом исследовании, проведенном О Брайеном ( O Brien, 1988), сравнивались согласованные прогнозы аналитиков, предоставляемые организацией Institutions Brokers Estimate System ( I / B / E / S), с прогнозами на основе временных рядов на период 1 - 4 квартала вперед. Прогнозы аналитиков превосходили прогнозы, сделанные на основе модели временных рядов для сроков 1 - 2 квартала, были столь же эффективны для периода в 3 квартала и менее эффективны на отрезке в 4 квартала. [35]
При оценке большее внимание уделяется долгосрочным темпам роста прибыли, чем прибыли следующего квартала. Когда срок прогноза достигает трех или пяти лет, практически нет оснований, позволяющих предполагать, что аналитики предоставляют более качественные прогнозы прибыли. В раннем исследовании, проведенном Крэггом и Молкилом ( Cragg and Malkiel), сравнивались долгосрочные прогнозы, выполненные в 1962 и 1963 гг. пятью фирмами, которые занимаются управлением инвестициями, с фактическим ростом свыше трех последующих лет. Данная точка зрения оспаривалась Вандером Вейде и Карлетоном ( Vander Veide and Carleton, 1988), которые обнаружили, что согласованный прогноз пятилетнего роста в I / B / E / S превосходит показатели роста, ориентированные на исторический рост, в предсказании будущего роста. Существует интуитивная основа для аргументации в пользу того, что предсказания аналитиками темпов роста могут оказаться лучше, чем модели временных рядов или другие модели, основанные на исторических данных, поскольку они используют больший объем информации. Однако факты говорят о том, что это преимущество в предсказаниях на удивление мало для долгосрочных прогнозов, а прошлые темпы роста играют существенную роль в создаваемых аналитиками прогнозах. [36]
При использовании моделей временных рядов в предсказании прибыли возникает несколько вопросов. Во-первых, модели временных рядов требуют многих данных, и именно поэтому большинство из них строится на основе квартальной прибыли на акцию. В большинстве оценок главное внимание уделяется предсказанию годовой прибыли на акцию, а не квартальной прибыли. В-третьих, превосходство предсказанной прибыли на основе моделей временных рядов уменьшается при увеличении периода оценки. Если учесть, что предсказания прибыли в процессе оценки должны делаться для нескольких лет, а не кварталов, то модели временных рядов, по всей вероятности, имеют ограниченную ценность. Наконец, исследования показали, что предсказания аналитиков превосходят даже лучшие модели временных рядов для оценки будущей прибыли. [37]
Общепринятый вывод из исследований краткосрочных прогнозов прибыли ( на 1 - 4 квартала вперед) заключается в том, что аналитики предоставляют более качественные оценки прибыли, чем модели, зависящие только от исторических данных. Были подытожены прогнозы относительно доходов для более чем 50 инвестиционных фирм. Они обнаружили, что модели временных рядов в период с апреля по август действительно обеспечивают более эффективные предсказания, чем аналитики, и менее эффективные - в период с сентября по январь. Они объяснили это тем, что в последней части года аналитики получают доступ к большему объему информации, имеющему отношение к фирмам. В другом исследовании, проведенном О Брайеном ( O Brien, 1988), сравнивались согласованные прогнозы аналитиков, предоставляемые организацией Institutions Brokers Estimate System ( I / B / E / S), с прогнозами на основе временных рядов на период 1 - 4 квартала вперед. Прогнозы аналитиков превосходили прогнозы, сделанные на основе модели временных рядов для сроков 1 - 2 квартала, были столь же эффективны для периода в 3 квартала и менее эффективны на отрезке в 4 квартала. [38]