مقاله ترجمه شده  ارزیابی های جدید از عدم قطعیت در پیش بینی سود

 

کد محصول:h144

قیمت فایل ترجمه شده ۱۸۰۰۰ تومان

تعداد صفحه انگلیسی: ۱۲

سال نشر: ۲۰۱۲

تعداد صفحه ترجمه فارسی: ۳۴ صفحه WORD

عنوان فارسی:

مقاله ترجمه شده  ارزیابی های جدید از عدم قطعیت در پیش بینی سود

عنوان انگلیسی:

A new measure of earnings forecast uncertainty

چکیده فارسی:

با تکیه بر نتایج نظری معتبر که بر اساس آن عدم قطعیت دارای موئلفه های خاص و مشترکی می باشد، به طرح ارزیابی های جدید از عدم قطعیت در پیش بینی سود پرداخته، به صورتی که مجموع پراکندگی در میان تحلیل گران و واریانس پیش بینی میانگین، توسط مدل GARCH برآورد می گردد. ارزیابی های جدید بر مبنای اطلاعات خصوصی و مشترک در دسترس تحلیلگران در زمانی که پیش بینی را انجام می دهند، می باشد. از این رو، این ارزیابی بعضی از محدودیت های عوامل مورد استفاده مشترک عدم قطعیت در پیش بینی را در تحقیقات قبلی کاهش می دهد. با استفاده از پیش بینی سود توسط تحلیلگران، ما شواهد مستقیمی را از عملکرد برتر ارزیابی های جدید بدست می آوریم.

کلیدواژه: عدم قطعیت، پراکندگی تحلیل گر، اطلاعات خصوصی، BKLS، GARCH

مقدمه

پیش بینی تحلیلگران در سطح گسترده ای در تحقیقات مربوط به مالی و حسابداری برای بررسی پیش بینی متقاضیان بازاری مورد استفاده قرار می گیرد. پژوهشگران و سرمایه گذاران مشخصا علاقمند به براورد عدم قطعیت در ارتباط با درامدهای آینده می باشند، زیرا مشخصه های مهم محیط اطلاعاتی شرکت را پیش از انتشار نتایج حسابداری آشکار می کند. از آنجایی که عدم قطعیت ذاتا غیر قابل حل می باشد، ارزیابی براورد آن مسائل روش شناختی چالش انگیزی را مطرح می کند. در نتیجه، محققان دارای تجاربی با توجه به پروکسی های (عوامل) دیگر برای عدم قطعیت پیش بینی سود دارند.

یکی از رایج ترین ارزیابی های عدم قطعیت پیش بینی سود ، پراکندگی در میان تحلیلگران می باشد. پراکندگی، به عنوان عاملی برای عدم قطعیت ، دارای چندین مزیت می باشد. محاسبه و ارزیابی عدم قطعیت در زمانی که پیش بینی صورت می پذیرد، یعنی در زمان واقعی، آسان است. به هر حال، در میان محققان دیگر، اباربانل (۱۹۹۵) و جانسون (۲۰۰۴) اشاره کرده اند که پراکندگی، عدم قطعیت را به طور کامل مد نظر قرار نمی دهد. در واقع، پراکندگی تنها نشان دهنده یک عنصر از عدم قطعیت می باشد، برای مثال، عدم قطعیت از اطلاعات خصوصی تحلیلگران و تنوع مدل های پیش بینی ایجاد می گردد. علاوه بر این بارون و همکارانش (۲۰۰۹) نشان داده اند که تغییر در پراکندگی نشان دهنده تغییر در عدم قطعیت نبوده بلکه تغییر در عدم تقارن اطلاعاتی می باشد.

Abstract

Relying on the well-established theoretical result that uncertainty has a common and an idiosyncratic component, we propose a new measure of earnings forecast uncertainty as the sum of dispersion among analysts and the variance of mean forecast errors estimated by a GARCH model. The new measure is based on both common and private information available to analysts at the time they make their forecasts. Hence, it alleviates some of the limitations of other commonly used proxies for forecast uncertainty in the literature. Using analysts’ earnings forecasts, we find direct evidence of the new measure’s superior performance.