1 votos

¿Cómo modelar el efecto de las sorpresas de beneficios en los rendimientos a largo plazo?

Estoy estudiando la relación entre las sorpresas de los anuncios de beneficios con los rendimientos a largo plazo (de 1 trimestre a 3 años con intervalos). He basado mi metodología actual en documentos que analizan el efecto a corto plazo ( ejemplo ) pero creo que el largo horizonte temporal requerirá una solución más amplia.

Mi objetivo final es poder decir con cierto grado de certeza si superar o no las estimaciones de BPA de los analistas tiene un efecto a largo plazo en el rendimiento de una acción.

He establecido una regresión con las siguientes variables:

He definido las sorpresas del anuncio de la EPS como

$$ \text{SUPRISE}_i=\dfrac{\text{EPS}_{actual,i}-\text{EPS}_{estimate,i}}{\text{EPS}_{actual,i}} $$

crear 2 variables para las sorpresas positivas y negativas (POSSUPRISE y NEGSUPRISE)

Retornos definidos como

$$ \text{RETURN}_t=\ln(\text{price}_{i+t})-\ln(\text{price}_i) $$

donde $t$ es el último día del período de tiempo que estoy analizando

así que mi regresión actual se ve así

$$ \text{RETURN}_t = \beta_0 + \beta_p \text{POSSUPRISE}_{i}+\beta_n \text{NEGSUPRISE}_{i}+\epsilon_t $$

También he hecho una regresión con variables indicadoras de golpes y estimaciones perdidas

He realizado esta prueba con una muestra de 30 acciones de gran capitalización con datos de BPA de 1999 a 2009 y los datos de precios apropiados y hasta ahora he tenido resultados mixtos, he encontrado cierta correlación entre los rendimientos de 2 años y las grandes sorpresas de ganancias, pero antes de explorar esta cuestión más a fondo, quiero asegurarme de que estoy yendo por el camino correcto

Mis preguntas son:

  1. ¿Es una regresión de instancias individuales la mejor manera de analizar este problema? ¿Debería utilizar en su lugar métodos de series temporales como el VAR?
  2. ¿Cuál es la mejor manera de incorporar el movimiento del mercado en general a los datos de rentabilidad? ¿Debería simplemente ajustar la variable de rendimiento para tener en cuenta también el rendimiento de un índice durante el período de tiempo o hay una solución mejor?
  3. ¿Es mejor que sólo tenga en cuenta la variable sorpresa o debería intentar controlar otras variables en el modelo, como el BPA real, la capitalización de mercado, etc.?

1voto

Ryan Guill Puntos 6115

Dado que otros eventos corporativos son razonablemente modelados a través de modelos de regresión (comparar La detección de la manipulación de los ingresos Yo trataría de utilizar un enfoque de regresión. Creo que se ha publicado un artículo más reciente y relacionado con el tema, pero parece que no lo encuentro en este momento. Editar: y ahora lo hice - Manipulación de los beneficios y rendimientos esperados

Dicho esto, es posible que usted tenga razones específicas para fijarse sólo en los datos del mercado. Si ese es el caso, sugeriría intuitivamente intentar controlar el sector industrial, el tamaño de la empresa, la capitalización bursátil o el porcentaje de acciones flotantes. Es razonable suponer que cualquiera de estos atributos influye en la disposición de la dirección de la empresa para intentar sorprender (positivamente) al mercado de forma intencionada. Digamos que la empresa pertenece a un sector nicho, es pequeña y tiene una baja capitalización y flotación; una sorpresa no afectará a la riqueza personal de los directivos tanto como si la empresa pertenece a las 10 primeras empresas de cada clasificación.

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X