ترجمه فارسی عنوان مقاله

پیش بینی سود در مدل انتخاب سهام جهانی و مدیریت و ایجاد اوراق بهادار موثر

عنوان انگلیسی

Earnings forecasting in a global stock selection model and efficient portfolio construction and management

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
44448	2015	11 صفحه PDF

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : International Journal of Forecasting, Volume 31, Issue 2, April–June 2015, Pages 550–560

فهرست مطالب ترجمه فارسی

اطلاعات مقاله

چکیده

کلید واژه ها

1.مقدمه

2.مرور پیش نگاشته های مدل سازی بازده مورد انتظار و مدل های انتخاب سهام

جدول 1: ضرایب اطلاعات متغیرهای FSGLER

3.ایجاد و ارزیابی مدل های انتخاب سهام

جدول 2: توسعه دهک بالا/پایین متغیرهای FSGLER

4.ایجاد پرتفوی موثر APT

جدول 3: مرز موثر مدل انتخاب سهام جهانی با روش های مختلف بهینه سازی موجودی اوراق بهادار در سال 1999 تا 2011.

5.ارزیابی بیشتر اصلاحات داده کاوی

6.عامل اتحاد آلفا: برنامه کاربردی برای پیش بینی سود جهانی

جدول 4: داده های جهانی Axioma WRDS

جدول 5: پیش بینی سود جهانی

7.نتایج

ترجمه کلمات کلیدی

پیش بینی درآمد - بهینه سازی نمونه کارها - نسبت اطلاعات - مرز کارا - بازده فعال

کلمات کلیدی انگلیسی

Earnings Forecasting; I/B/E/S; Portfolio optimization; Information ratio; Efficient frontier; Active returns

ترجمه چکیده

مدل های انتخاب سهام اغلب داده های اساسی، تکانه، و انتظارات تحلیلگران را استفاده می کند. با استفاده از منابع داده های سهام جهانی در طول مدت سال های 1997-2011 مدل سازی ترکیبی را حمایت کردیم. شواهدی را نیز به منظور حمایت کاربرد مدل های چند عاملی SunGard APT و Axioma برای ایجاد پرتفوی و کنترل ریسک یافتیم. سه سطح ارزیابی مدل های ایجاد پرتفوی و انتخاب سهام توسعه می یابند و برآورد می شوند. موجودی اوراق بهاداری را از ماه ژانویه 1997 تا دسامبر 2011 ایجاد کردیم. سه نتیجه گیری را گزارش کردیم: (1) بازار جهانی بین ماه ژانویه 1997 و دسامبر 2011 اطلاعات پیش بینی تحلیلگران را پاداش داد؛ (2) پیش بینی های تحلیلگران را می توان با داده های اساسی گزارش شده مانند سود، ارزش خالص دفتری، جریان نقدی و فروش، و همچنین با تکانه، برای همانند سازی اوراق بهادار دارای قیمت نادرست در مدل انتخاب سهام ترکیب کرد؛ و (3) پرتفوی بازده موجودی اوراق بهادار ریسک کنترل شده چند عاملی به ما اجازه می دهد فرضیه تهی آزمون اصلاحات داده کاوی را رد کنیم. متغیر پیش بینی سود برحسب تاثیر خود بر انتخاب سهام بر مدل ترکیبی ما تسلط دارد.

ترجمه مقدمه

بازده مورد انتظار دارایی ها در فرایند انتخاب میانگین واریانس اوراق بهادار ورودی مهمی است. فرد می تواند با استفاده از داده های انتظارات سود، متغیرهای تکانه قیمت، و داده های مالی گزارش شده مدل های بازده مورد انتظار را برآورد کند. با استفاده از این داده ها در طول مدت ژانویه 1997 تا دسامبر 2011 مدل انتخاب سهام جهانی را در این بررسی ایجاد و ارزیابی می کنیم. اطلاعات انتظارات سود در پانزده سال گذشته و پس از آن در سهام جهانی پاداش داده شد، و انتظار داریم که این فرایند همچنان متغیر اولیه ایجاد سهام جهانی باشد. تکانه باوجود نوسانات اخیر عامل تکانه هنوز هم به لحاظ آماری با بازده ایمنی در ارتباط است و می تواند برای رتبه بندی سهام خرید با عوامل دیگر به کار رود. مدل ترکیبی اطلاعات انتظارات سود، ارزش و عوامل تکانه به منظور شناسایی قیمت گذاری نادرست بالقوه سهام برای سهام جهانی برآورد می شود. علاوه براین، تعدیل رگرسیون عوامل ضرایب اطلاعات مربوط به عوامل تعدیل برابر را افزایش می دهند. پیش بینی تحلیلگران و متغیرهای تکانه در مدل ترکیبی مبتنی بر رگرسیون بازده مورد انتظار برجسته است. موجودی اوراق بهادار را بین ماه ژانویه سال 1997 و دسامبر 2011 ایجاد می کنیم و بازده موجودی اوراق بهادار که با مجموعه ای از بازده های معیار سهام جهانی مقایسه می شود را شبیه سازی می کنیم. در بخش 2 با بررسی منابع درمورد مدل های انتخاب سهام شروع می کنیم. در بخش 3، ارزیابی مدل ترکیبی انتخاب سهام را مورد بحث قرار می دهیم که اطلاعات پیش بینی سود را ترکیب می کند. در بخش 4 مدل ریسک چند عاملی مبتنی بر APT را برای ایجاد اوراق بهادار موثر به کار می بریم. در بخش 5، آزمون تصحیح داده کاوی را ارائه می دهیم و برآورد می کنیم. در بخش 6، ارتباط « عامل اتحاد آلفا» را مورد بحث قرار می دهیم و ارتباط آن را بیان می کنیم. بخش 7 خلاصه و نتایج ما را ارائه می دهد.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

Stock selection models often use analysts’ expectations, momentum, and fundamental data. We find support for composite modeling using these sources of data for global stocks during the period 1997–2011. We also find evidence to support the use of SunGard APT and Axioma multi-factor models for portfolio construction and risk control. Three levels of testing for stock selection and portfolio construction models are developed and estimated. We create portfolios for January 1997–December 2011. We report three conclusions: (1) analysts’ forecast information was rewarded by the global market between January 1997 and December 2011; (2) analysts’ forecasts can be combined with reported fundamental data, such as earnings, book value, cash flow and sales, and also with momentum, in a stock selection model for identifying mispriced securities; and (3) the portfolio returns of the multi-factor risk-controlled portfolios allow us to reject the null hypothesis for the data mining corrections test. The earnings forecasting variable dominates our composite model in terms of its impact on stock selection.