تجزیه و تحلیل بنیادی آگنوستیک

برای ارزیابی کارآیی اطلاعاتی در بورس با حداقل دست زدن به داده ها ، ما یک آماری را با دانش کمی از امور مالی مشاهده می کنیم. آماری از تکنیک هایی مانند حداقل مربعات برای برآورد ارزش های منصفانه همکار از ارزش بازار تکرار اوراق بهادار با همان صورتهای حسابداری که شرکت ارزش دارد ، استفاده می کند. واگرایی از برآورد ارزش همکار یک شرکت از ارزش بازار آن نشان دهنده سوءاستفاده است و انگیزه تجارت همگرایی را ایجاد می کند که بازده تنظیم شده در ریسک را تا 10 ٪ در سال کسب می کند و از نظر اقتصادی هم برای شرکت های بزرگ و هم در CAP بسیار مهم است. میزان همگرایی در طی 34 ماه بعدی به صفر می رسد.

معرفی

سنگ بنای کارایی بازار این اصل است که استراتژی های معاملاتی حاصل از اطلاعات عمومی نباید مؤثر باشد. در طی 35 سال گذشته ، شواهدی درباره ناهنجاری هایی جمع شده است که به نظر می رسد این حداکثر را نقض می کند. سرمایه گذاری های مرتبط با حرکت ، شگفتی درآمدها ، صدور سهام ، تعهدی ، ریسک اعتباری ، سودآوری ، کتاب به بازار و تعداد زیادی از سیگنال های دیگر در گذشته سودهای تنظیم شده ریسک را کسب کرده اند. 1 با این حال ، انگیزه مطالعه این سیگنال ها همیشه آشکار نیست. 2

انگیزه برای مطالعه اینکه آیا کار تجزیه و تحلیل اساسی آشکارتر است. تجزیه و تحلیل اساسی بر اساس این اصل استوار است که سهام دارای یک ارزش عادلانه ذاتی است و سرمایه گذاران می توانند سود غیر طبیعی از سیگنال های خاص سهام کسب کنند که نشانگر انحراف از ارزش منصفانه است. سود غیر طبیعی از همگرایی به ارزش منصفانه ، در یک افراط از طریق حرکات قیمت کوتاه مدت به سمت ارزش منصفانه یا آهسته تر ، از طریق توزیع سود سهام ، تصرف ، خرید خصوصی یا انحلال دارایی ناشی می شود. برای سودآوری از تجزیه و تحلیل اساسی ، فقط باید در این فرضیه به ظاهر قابل قبول مشترک شود که قیمت سهام به احتمال زیاد به ارزش منصفانه نسبت به واگرایی از آن تبدیل می شود.

بیشتر مطالعات در مورد تجزیه و تحلیل بنیادی نیاز به مدل های بسیار تلطیف شده با ارزش منصفانه دارد. به عنوان مثال ، مدل های جریان نقدی با تخفیف از ارزش اساسی نیاز به پیش بینی های نزدیک به مدت جریان نقدی ، نرخ رشد جریان پول کوتاه مدت و بلند مدت و نرخ تخفیف مناسب دارند. اختیار گسترده محقق در مورد انتخاب مدل و پارامترهای آن ، ارزیابی اینکه آیا تجزیه و تحلیل اساسی کار می کند یا اینکه سود غیر طبیعی مشاهده شده نتیجه یک تمرین غرق شدن داده ها است ، دشوار می کند. 3 محقق می تواند به طور محتمل استدلال کند که انحراف قیمت های بازار از ارزش منصفانه تحت تأثیر پیش بینی بازده های آینده تنها با یک رویکرد آگنوستیک و کمتر اختیاری برای ارزیابی سهام مبتنی بر اصول است.

علیرغم محبوبیت مدلهای تلطیف شده برای ارزیابی ارزش منصفانه ، تجزیه و تحلیل اساسی لزوماً نیازی به پیش بینی جریان نقدی صریح و نرخ تخفیف ندارد. این پیش بینی ها و نرخ تخفیف می تواند در انواع روش های مختلف دیگری که نیاز به مدل های صریح و برآورد پارامترها را برطرف می کند ، ضمنی باشد. رویکرد ساده و آگنوستیک ما به تجزیه و تحلیل اساسی ، ارزش عادلانه یک شرکت را به عنوان یک عملکرد خطی از تقریباً تمام ترازنامه ، بیانیه درآمد و موارد بیانیه جریان نقدی ، تقریب می دهد. تنها محدودیت ما این است که ضرایب عملکرد ، که هر ماه تعیین می شود و در بین بنگاه ها یکسان است ، کمترین میزان سوءاستفاده (همانطور که با واریانس اندازه گیری می شود) یک دلار سرمایه گذاری تصادفی انتخاب شده در اقتصاد را در آن ماه ارائه می دهد. به نظر می رسد اصطلاح "ارزش منصفانه همکار" در اینجا مناسب به نظر می رسد زیرا پیش بینی ارزش منصفانه هر شرکت بر اساس ارزش های معاصر همه بنگاه های موجود در بورس است.

این رویکرد مستقیم تر برای برآورد ارزش منصفانه با اساسی ترین اصول نظریه قیمت گذاری دارایی سازگار است و به نظر می رسد که اجرای آن بسیار ساده است. ارزشهای منصفانه و همکار هر ماه پیش بینی های رگرسیون ماهانه مقطعی از سرمایه های بازار در کلیه موارد حسابداری در سطح شرکت با پوشش گسترده در بنگاه ها است. موارد حسابداری با توجه به مجموعه داده های Compustat Point-in-Time (PIT) ، که ما منحصراً در طول مطالعه از آن استفاده می کنیم ، به شرکت کنندگان در بازار در آن زمان شناخته شده اند. باقیمانده های رگرسیون مشخص می کنند که سرمایه های بازار بنگاه ها از هنجارهای ارزش گذاری خاص ماه که به بیانیه حسابداری یک شرکت متصل هستند منحرف می شوند. نمونه کارها بازار در همه زمان ها نسبتاً ارزشمند است زیرا تخمین رگرسیون با یک نیروی ثابت مجموع باقیمانده ها را به صفر می رساند.

این رویکرد جایگزین برای تجزیه و تحلیل بنیادی غیرمستقیم است ، اما به جلوگیری از وسوسه داده ها در مشخصات مدل و برآورد پارامترها کمک می کند. مجوز نظریه پرداز در تجزیه و تحلیل بنیادی سنتی تر به بهترین وجه به حالت تعلیق در می آید که صلاحیت بیش از حد در مورد اجرای آن را ارائه دهد ، و به طور بالقوه نتایج قابل توجهی را به همراه دارد. پیش بینی ارزش منصفانه به عنوان یک عملکرد خطی محدود شده با آمار کلیه موارد حسابداری که به طور گسترده گزارش شده از اختیار در انتخاب یا وزن گیری موارد حسابداری که می تواند مربوط به بازده آینده باشد ، جلوگیری می کند.

پس از شناسایی مقادیر همسالان از کارکردهای خطی موارد حسابداری ، ما سودآوری خرید اوراق بهادار کم ارزش و فروش اوراق بهادار بیش از حد را بررسی می کنیم ، از درصد انحراف ارزش تخمین ارزش همکار یک سهام از سرمایه گذاری واقعی بازار آن اندازه گیری می شود. رگرسیون مقطعی از بازده در ویژگی های شرکت و متغیرهای ساختگی برای رده های پنجه و همچنین رگرسیون سری زمانی بازده نمونه کارها در مورد سوءاستفاده از عوامل ، ارزیابی می کند که آیا این آگنوستیک تجزیه و تحلیل اساسی را ارائه می دهد ، یک استراتژی سرمایه گذاری سودآور را ارائه می دهد. ما برای بازده صنعت ، بتا ، نسبت های کتاب به بازار ، حرکت ، معکوس های کوتاه مدت و بلند مدت ، اندازه شرکت ، سودآوری ناخالص ، تعهدی ، شگفتی درآمدها ، عملکرد درآمد و 12 ناهنجاری شناخته شده دیگر از جمله تخمین های نادرست جایگزین کنترل می کنیم. بازده غیر طبیعی (ALPHA) بین اوراق بهادار از کوینتیل های شدید سهام طبقه بندی شده بر روی درصد ارزیابی ، بین 4 تا 10 درصد در سال ، بسته به روش تنظیم خطر مورد استفاده ، تقریباً در 60 ٪ از 310 ماه مورد مطالعه مثبت است و شیوع آن است. در بنگاه های بزرگ و کوچک (اگرچه وزن با ارزش باعث کاهش آلفا تنظیم شده در ریسک می شود). رگرسور نادرست از اهمیت مشابهی برخوردار است و از اهمیت بیشتری برخوردار است که از موانع بیشتر پیشنهاد شده توسط هاروی و همکاران استفاده می کند.(2016) و گرین و همکاران.(2013). 4

با وجود معلولیت تحمیل شده ، رویکرد آماری ما به ارزیابی ، ریشه های نظری در شهودی ترین اصولی دارد که ارزش منصفانه را راهنمایی می کند: قانون یک قیمت. مقادیر منصفانه به دست آمده از هر مدل قیمت گذاری دارایی ، مقادیر به دست آمده با رویکرد ما ، مقادیر بازار سهام مصنوعی یا تکرار اوراق بهادار است. تکرار ، زیرا هر یک از خصوصیات اساسی هر یک از پرتفوی ها با ارزشهای بنگاه یکسان است. 5 از آنجا که تعداد بنگاه های N نسبت به رتبه K یک ماتریس N X K از داده های حسابداری همه بنگاهها در یک تاریخ معین ، تعداد نامحدودی از پرتفوی ها ، داده های حسابداری شرکت را که ارزش گذاری شده است ، تکرار می کند. هرکدام دارای قیمت بازار متمایز هستند که برآوردی از ارزش منصفانه شرکت هدف را نشان می دهد. با این حال ، همانطور که پیوست A اثبات می کند ، در بین همه این کاندیداهای ارزش منصفانه ، پیش بینی ارزش منحصر به فرد ما و ماتریس نمونه کارها تکرار شونده به آن می تواند از سه فرض جذاب استنباط شود: (1)

ماتریس نمونه کارها در تکرار N × N دارای وزن در سهام است که میانگین خطای ارزیابی را صفر می کند (مجبور کردن نمونه کارها بازار هر ماه نسبتاً با قیمت نسبی ظاهر می شود).

ماتریس نمونه کارها تکرار شونده دارای وزنه هایی است که فقط کارکردهای حسابداری k- بعدی است و علاوه بر اطلاعات حسابداری ، کارکردهای سرمایه ، بازده یا متغیرهای دیگر شرکت ها نیست.

ماتریس نمونه کارها تکرار شونده ، میانگین انحراف مربع را در بین اوراق بهادار هر ویژگی (از جمله سرمایه بازار) به حداقل می رساند که توسط ویژگی های حسابداری K- بعدی که در آن قرار دارد ، نیست.

مجموعه ای از وزن های نمونه کارها که معیارهای فوق را برآورده می کند ، یک ماتریس پیش بینی idempotent n × n (x t x)-1 x t را تشکیل می دهد ، که به رگرسیون مقطعی سرمایه گذاری بازار بر روی x گره خورده است. ماتریس پیش بینی idempotent و از این رو ، وزن اوراق بهادار تکرار شونده بدون در نظر گرفتن سرمایه در بازار شرکت ساخته می شود. رگرسیونرهای متغیر حسابداری همان ماتریس idempotent از تکرار وزن نمونه کارها را تولید می کنند ، اگر به جای مناسب سازی سرمایه در بازار ، به گونه ای طراحی شده باشد که متناسب با نرخ رشد درآمد ، سن مدیر اجرایی ، عرض جغرافیایی ستاد شرکت یا بازده آن باشد. یک سهام (به عنوان مثال ، Bessembinder و همکاران ، 2015 را ببینید). علیرغم نقش عدم وجود سرمایه در بازار در نمونه کارها تکرار شونده ، ارزش بازار پرتفوی های تکرار شونده تمام پویایی رابطه بین ارزشهای واقعی بازار بنگاه ها و متغیرهای حسابداری آنها را ضبط می کند. و ، بر خلاف مطالعات قبلی که بازده از متغیرهای خاص علاقه ، مانند قیمت به درآمد ، سود سهام یا نسبت های بازار به کتاب را پیش بینی می کند ، رویکرد ارزیابی ما اختیار کمی به متغیرهای مورد علاقه خود دارد. ما به کلیه متغیرهای حسابداری علاقه مند هستیم و هرگونه اختیاری که برای برآورد مقادیر عادلانه نشان می دهیم صرفاً براساس معیارهای آماری استاندارد ، به ویژه در دسترس بودن داده ها است.

همگرایی قیمت های بازار به ارزش منصفانه همکار خود ، محتمل ترین منبع سودآوری است که ما از این استراتژی تجارت کشف می کنیم. مسلماً ، نرخ تخفیف بالاتر حاکی از ارزش بازار پایین است و برعکس ، چیزهای دیگر برابر است. 6 رابطه مکانیکی در مقطع بین مقادیر بازار (یا نسبت های مربوط به ارزش بازار مانند کتاب به بازار) و بازده مورد انتظار برای سیگنال ما اعمال می شود ، همانطور که در ادبیات ناهنجاری برای بسیاری دیگر انجام می شود. با این حال ، صرف وجود چنین رابطه مکانیکی مشخص نمی کند که آیا بازده مشاهده شده ، گره خورده ، گره خورده با این نوع ناهنجاری ، به دلیل تفاوت در خطاهای خطر یا قیمت گذاری است. ما شواهدی ارائه می دهیم که نشان می دهد همگرایی به ارزش منصفانه ، نه تفاوت های خطر ، اثربخشی سیگنال سوءاستفاده ما را تشکیل می دهد. سیگنال سوءاستفاده هیچ رابطه محکمی با عوامل خطر شناخته شده ندارد ، سیگنال با سرعت بیشتری نسبت به ویژگی های خطر پوسیده می شود و اثربخشی سیگنال در طی 34 ماه بعدی به صفر می رسد. 7

رویکرد ما برای برآورد ارزش منصفانه ، که به راحتی به عنوان رویکرد آماری برای تجزیه و تحلیل اساسی گفته می شود ، عمداً خام است و حتی توسط ورودی های حسابداری مورد استفاده حتی ظالمانه ساخته شده است. رگرسیون مقطعی اساساً از کلیه ترازنامه ، بیانیه درآمد و موارد بیانیه جریان نقدی که توسط تعداد کافی بنگاه گزارش شده است ، استفاده می کند. تعداد زیادی از متغیرهای کاملاً (یا کاملاً) متغیرهای مختلف حاکی از آن است که علائم ضریب ماه به ماه می چرخند ، و بسیاری از متغیرها از ضریب منحصر به فرد برخوردار نیستند زیرا آنها زائد هستند. روشهای دقیق تر به دست آوردن ارزشهای منصفانه مطمئناً وجود دارد ، اما هدف ما این است که در ارزیابی اینکه آیا یک شکل خام از تجزیه و تحلیل اساسی کار می کند ، محافظه کار باشد. رویکرد ارزش منصفانه همکار مورد استفاده در اینجا بعید است که یک موس برتر برای گرفتن مقادیر ذاتی اوراق بهادار باشد. با این حال ، اگر رویکرد آماری خام به تجزیه و تحلیل بنیادی کار کند ، پس روشهای دقیق تر برای اندازه گیری سوءاستفاده باید حتی بهتر عمل کند.

با توجه به این نکته ، ما همان مدل را اعمال می کنیم ، اما مقادیر منصفانه را با جایگزینی برای حداقل مربعات در تمام بنگاه هایی که برای Outliers قوی تر است ، تخمین می زنیم. این جایگزین از برآوردگر تهیه شده توسط تیل (1950) و سن (1968) (TS) الهام گرفته شده است که مبتنی بر ضرایب متوسط در تعداد زیادی از دامنه های کاملاً مناسب از زیر مجموعه های نمونه است. با توجه به همبستگی های بالا بین رگرسیون ، ضرایب و بنابراین میانگین آنها به طور منحصر به فرد در تنظیمات ما مشخص نمی شود. ما با تطبیق روش TS با ارزش منصفانه متوسط برای هر بنگاه ، که به طور منحصر به فرد مشخص شده است ، بر خلاف استفاده از ضرایب میانه برای استخراج پیش بینی ها ، به این مسئله می پردازیم. به عنوان یک تکنیک تخمین قوی تر و احتمالاً بهتر ، پیش بینی ارزش منصفانه یک شرکت باید پیش بینی های دقیق تری از ارزش منصفانه واقعی خود در هر ماه ارائه دهد. برآوردهای الهام گرفته از ارزش TS از این مقاله به طور کلی منجر به سود معاملات بالاتر از حداقل تخمین مربعات حاصل از یک رگرسیون مناسب برای همه بنگاه ها در آن ماه (پیش بینی حداقل مربعات معمولی (OLS)) می شود. با این حال ، هر دو برآوردگر از ارزش منصفانه ALPHA های مثبت را به طور قابل توجهی تولید می کنند. 8

این مقاله به شرح زیر سازماندهی شده است: بخش 2 در مورد ادبیات مرتبط بحث می کند. بخش 3 داده ها و روش تجربی مورد استفاده برای تخمین سوء استفاده را توصیف می کند. بخش 4 رگرسیون FAMA-MACBETH از پیش بینی بازگشت بر اساس سیگنال نادرست را مطالعه می کند ، و الفبای مرتب شده سیگنال را از مدل های فاکتور محاسبه می کند. بخش 5 شواهدی را ارائه می دهد که نشان می دهد همگرایی به ارزش منصفانه ، بر خلاف ریسک ، منبع بازده غیر طبیعی است که از رویکرد ما به تجزیه و تحلیل بنیادی بدست آمده است. بخش 6 بررسی می کند که چگونه سیگنال سوءاستفاده با مجموعه ای از 22 ناهنجاری مستند ارتباط دارد و تجزیه و تحلیل مستقیم از نقش تولید کننده آلفا را که توسط هر یک از 28 مورد حسابداری بازی می شود ، ارائه می دهد. بخش 7 مقاله را نتیجه می گیرد.

قطعه قطعه

ادبیات مرتبط

مطالعه مستقیم در مورد اینکه آیا تخمین ارزش بازار عادلانه به خودی خود منجر به استراتژی های معاملاتی می شود که می توانند سود غیر طبیعی کسب کنند ، نادر است. Bhojraj and Lee ، 2002 ، Liu et al. ، 2002 ، and Cooper and Lambertides (2014) ارزیابی نسبی شرکت های هدف و قابل مقایسه را در زمینه ارزیابی چند برابر بررسی می کنند. با این حال ، کوپر و لامبرتیدس (2014) هیچ مدرکی از پیش بینی نمی یابند ، و دو مقاله دیگر بررسی نمی کنند که آیا می توان از سوءاستفاده برای ایجاد تجارت سودآور استفاده کرد

داده ها و روش برای برآورد ارزش منصفانه

اکنون ما ارزیابی می کنیم که آیا تجزیه و تحلیل اساسی از اطلاعات حسابداری ، که با رویکرد اصلی و مکانیکی یک آماری اجرا شده است ، حاوی اطلاعاتی در مورد بازده سهام آینده است. ما برای آخرین روز هر ماه هر ماه در نمونه ، درجه زیر ارزش یا ارزش بیش از حد را محاسبه می کنیم. سپس بازده سهام را در طی ماه 13 بعدی ردیابی می کنیم

ویژگی نادرست و مقطع بازده مورد انتظار

این بخش نشان می دهد که پیش بینی M حتی پس از کنترل بازده صنعت ، بتا ، نسبت کتاب به بازار ، حرکت ، معکوس کوتاه مدت و بلند مدت ، اندازه شرکت ، سودآوری ناخالص ، تعهدی ، شگفتی درآمد و عملکرد درآمد باز می گردد.

همگرایی به ارزش منصفانه بهتر از گزینه ها نتایج را توضیح می دهد

سهام کم ارزش دارای بتای بازار پایین تر و بازده متوسط بالاتر از سهام گران قیمت است. علاوه بر این ، سایر عوامل خطر بالقوه بعید است که سودآوری استراتژی تجارت ما را به خود اختصاص دهند.

چه چیزی در جعبه سیاه وجود دارد؟

برای درک اینکه آیا پروکسی جعبه سیاه سیگنال برای ناهنجاری که قبلاً در ادبیات دیده می شد ، جدول 5 بررسی می کند که چگونه سیگنال سوءاستفاده با مجموعه ای از 22 ناهنجاری شناخته شده ارتباط دارد. این گزارش از شش (پانل A) و هشت عاملی (پانل B) ALPHAS استراتژی های معاملاتی تشکیل شده از سیگنال نادرست است. معاملات این استراتژی ها در 110 زیر گروه از سهام انجام می شود که مقادیر مشابهی از یک ویژگی جایگزین را برای پیش بینی بازده و الفبایی به اشتراک می گذارند. اینها شامل

نتیجه

اتصالات مبتنی بر رگرسیون از آخرین داده های حسابداری موجود به مقادیر سهام منجر به یک اقدام نادرست است که از باقیمانده های رگرسیون ساخته شده است. این رویکرد هیدونیک برای تجزیه و تحلیل بنیادی اساساً می گوید که شرکت ها باید به عنوان مجموعه ای از ویژگی های حسابداری از جدیدترین بیانیه های حسابداری خود ارزیابی شوند. با رویکرد ما ، بازده های آینده هیچ نقشی برای وزن گیری کالاهای حسابداری ندارند ، اما شرکت های رتبه بندی شده را بر اساس درصد نادرست و باقیمانده آنها رتبه بندی می کنند

منابع (109)

• S. Schulmeister