Точность Качественные отчеты финансовых аналитиков: Китайский кабинет
Это исследование посвящено изучению оригинальных мнений китайских аналитиков и прогноз производительности в их качественном отчеты о проведенных исследованиях. Мы считаем, что китайские аналитики обладают некоторыми аналитическими возможностями, но что их мнение редко оригинала. В частности, мы видим, что китайские аналитики, как правило, используют больше доказательной информации бухгалтерского учета и сложных методов финансового анализа при принятии "негативный" выводы об исполнении в натуре компании. Но мы не нашли существенных различий в характере информации и финансовых методов анализа, используемых при анализе "провал" и "безотказной" компаний. Для прогноза исполнения, наши результаты показывают, что китайские аналитики качественные выводы доклада, которые существенно положительной корреляции со следующего года в компании EPS и ключевые операционные рост доходов.
I. Введение
В работе изучаются качественные доклады исследования, проведенного китайскими финансовыми аналитиками в двух аспектах - оригинальные мнения и прогнозы производительности, эти две меры для аналитического потенциала аналитика. Оригинальные мнению аналитиков средства могут иметь свои собственные взгляды, а не просто следовать другие. Они могут указать на вопросы и найти скрытые проблемы в "хороших" компаний, или изучить возможности в "плохих" компаний. Такие оригинальные взгляды Основное различие между аналитиками и обычных инвесторов.
Китай создал Шанхайской фондовой бирже в декабре 1990 и Shenzhen фондовой бирже в июле 1991 года. Это примерно в общей сложности 1400 фирм, перечисленных в этих двух биржах. Таким образом, китайский финансовый аналитик профессии все еще находится в ранней стадии развития. Цель этого предварительного исследования является изучение оригинальных мнений китайских финансовых аналитиков и прогноз производительности в их качественном отчеты о проведенных исследованиях.
Западные аналитики обычно предусматривают конкретные данные для следующего периода ожидается EPS или учета доходов. Однако китайские аналитики редко делают подобные прогнозы (Hu и др., 2003).. Таким образом, трудно исследовать китайский прогнозы аналитиков, и их производительность напрямую. В данной работе мы используем статей о китайских газетах в качестве источников данных для архивов, изучить и принять аналитиков качественные выводы доклада в качестве прокси для прогноза производительности исследования аналитического потенциала и поведение китайских финансовых аналитиков. Это использование альтернативных источников данных является важным вкладом в нашу работу по литературе.
Вообще говоря, эффективность аналитиков определяется их точность прогнозов; складе берет способность, качество научных докладов и обслуживания клиентов. Хотя в теоретических исследованиях таких мер, как точность прогнозов (Климент Александрийский, 1999), частота overperform консенсус прогнозов (Батлер и Saraoglu, 1999) и доходности фонда рекомендации (Womack, 1996) часто используются. Данных в этих литератур в основном из I / B / E / S. Однако мы не можем получить такие данные непосредственно в Китай для большой выборки, поскольку она содержит только около 10% перечень данных компании. В дополнение к государственным финансовым данным китайских перечисленных компаний, наши другие данные собираются вручную в основном из отчетов аналитиков исследований. Мы собираем информацию, которую аналитики часто обращают внимание, методы анализа, которые аналитики используют и выводы они делают, и т.д. Чтобы проверить китайские аналитики имеют свои оригинальные мнения, мы разрабатываем несколько гипотез, например, будут ли они анализ компаний в соответствии с их характеристиками, и будут ли они прийти к их выводам, независимо от мнения аудиторов. Затем мы синтезировать все выше результатов и судить о том, китайские аналитики оригинальных мнений.
В этой исследовательской работы мы видим, что китайские аналитики обладают некоторыми аналитическими возможностями, но что их мнение редко оригинала, потому что мы не нашли существенных различий между использованием различных методов финансового анализа и сбора различных видов информации для "провала" и "не- неспособность компании ". Кроме того, выводы аналитиков относительно полагаться на мнения аудиторов. Кроме того, мы видим, что когда аналитики делают "негативный" выводов, они являются более разумным и более осторожны: то есть, они, как правило, используют больше доказательной информации по учету и более сложные методы финансового анализа. Хотя наш анализ результат не сильно поддержку, что аналитики свое собственное независимое мнение, наше исследование показывает, что мнения аналитиков имеют определенные отношения с будущей деятельности фирмы. Таким образом, можно заключить, что китайские аналитики обладают некоторыми аналитическими возможностями и их работа также имеет определенное значение. Тем не менее, аналитический потенциал китайские аналитики еще предстоит улучшить.
Остальная часть данной работы является структурирована следующим образом. В следующем разделе разрабатывает гипотезы, основанные на обзор литературы. За ней следуют описание метода исследования и отбора. Тогда мы доклада и обсуждения основных результатов. В заключительном разделе излагаются выводы этого исследования.
II. Соответствующих теорий и гипотез исследования
Вопросы, которые люди часто спрашивают, являются: Есть работа аналитиков ценны? Есть свои предложения для инвестиций полезным? Могут ли они принести избыточные прибыли для инвесторов? Коулс, в начале 1933 года начали обсуждение этой темы в своей знаменитой работе "баночной прогноз рынка прогнозов"? и после этого, обе стороны придерживаться своего мнения, не общее мнение. Тем не менее, все больше и больше свидетельств показывают, что мнения аналитиков имеют ряд преимуществ. Например, Барбер и др.. (2001) изучали инвестиционные рекомендации, предлагаемые в течение 1986-1995 годов аналитики, и обнаружил, что если следовать инвесторов инвестиционных рекомендаций, предлагаемых финансовых аналитиков, в краткосрочной перспективе (как правило, на 1-6 месяцев), они будут получать доходность, которая в среднем окупаемость .
Такой прогноз способность по сравнению с обычными средствами инвесторов, аналитиков есть свои собственные "оригинальные мнения". Мозеш и Патриция (1998) провел на научные исследования членов против, не являющихся членами "All American Исследовательская группа" (представляющих выдающиеся и nonoutstanding членов, соответственно), и они нашли, что более слабые аналитики будут затронуты сильные аналитики в своих предсказаниях издал за тот же период, а также направление прогнозов аналитиков были слабее в соответствии с прогнозами аналитиков с сильным, выданные ранее. Исследования Брауна и Чэнь (1990-1991) обнаружил, что предсказание "All American Исследовательская группа" (ААРТ) не лучше по сравнению со средним возвращения. Кроме того, по сравнению с другими аналитиками, ААРТ аналитики не следовать толпе.
Некоторые авторы утверждают, что это преимущество связано с "личной информации", принадлежащим аналитиков, поскольку аналитики получить их анализ через посещение компаний, чтобы сохранить хорошие отношения с руководителями, и исследования в области общественной информации. Нахождения Мак-Уэн и Хантон (1999) показывает, что информация пунктов, что различные аналитики сосредоточены на другое, и эти различные уровни точности предсказания обычно идут с различными информационных элементов. Таким образом, существует определенное соответствие между количеством и типом "личная информация" получена и способность аналитиков.
Это не достаточно для аналитиков только для получения информации. Для того, чтобы получить такие независимые точки зрения, должны быть также набор специальных методов финансового анализа. DeFond и Хун (2003) считают, что аналитики, как правило, прогноз денежных потоков для компаний с большим начисления, более гетерогенных выбор бухгалтерского учета по сравнению с их коллегами, высокая волатильность доходов, высокая капиталоемкость, или плохого финансового здоровья; который показывает, что аналитики будут выбирать различные методы финансового анализа в соответствии с различными ситуациями. Кроме того, с ростом опыта аналитиков, их навыки становятся все более изощренными, а их прогноз производительность продолжают совершенствоваться (Михаил и др.., 1997).
В целом, аналитики, которые понимают больше о фирмами стратегий и операций по сравнению с обычными инвесторами. Они фокусируются на правильный вид информации о типе и выберите подходящие методы финансового анализа в соответствии с различными ситуациями компании. Эта способность делает их мнения лучше, чем обычные инвесторы, и даже своих коллег. Мы считаем, что эта ситуация может показаться и в случае китайских финансовых аналитиков, поэтому наша первая гипотеза (в альтернативной форме):
Вариант 1: Финансовые аналитики, скорее всего, чтобы найти правильный вид информации о типе и предметы, и выбрать методы финансового анализа в соответствии с различными ситуациями компании сформировать свое собственное мнение.
Характеристика "провал" и "безотказной" компании являются весьма различными. "Failure" компании могут из-за неверных инвестиционных решений, отсутствие финансовых ресурсов, нехватка денежных средств, реструктуризации задолженности и т.д.; аналитиков необходимо применять более сложные методы для анализа деятельности и финансового состояния этих компаний. Таким образом, мы получим следующие подразделы гипотезы 1,1 (в альтернативной форме) из гипотезы 1.
К югу от 1,1 Гипотеза: аналитики, более вероятно, имеют существенные различия между "провал" предприятий и "без сбоя" те, в обоих типах информации, собираемой и аналитических методов. Когда аналитики анализа "провал" компаний, они, скорее всего, чтобы собрать больше информации и принимать более сложные методы финансового анализа.
Если аналитики анализировать объективно и всесторонне, их выводы будут "очень положительные" или "отрицательный", независимо от типа информации, собранной и методы финансового анализа, используемого в соответствии с различными ситуациями компании. Тем не менее, многие научно-исследовательские работы считают, что аналитики имеют определенные "предвзятости", или даже дать систематическое оптимистические или пессимистические выводы (Chopra, 1998). Иногда, если считает аналитик компании это хорошо, он стремится выбрать типы информации и аналитических методов для поддержки своих благоприятные выводы. С другой стороны, если он / она считает, компании это плохо, он стремится выбрать неблагоприятной информации и различные методы анализа, чтобы убедить его / ее, что "моя мысль верна". Наш аргумент, что более субъективный характер и односторонний анализ процессов более высокая степень связи между аналитиками "очень положительным или отрицательным" выводы и их типы сосредоточена информация и анализ используемых методов. Таким образом, второй к югу от гипотезы (в альтернативной форме):
К югу от 1,2 Гипотеза: Когда аналитики делают "очень позитивным" против "негативным" выводам, они чаще имеют значительные различия в использовании информационно-коллекция видов и методов финансового анализа.
В ходе этого процесса для аналитиков приехать в своих выводах, какую роль делать мнения аудиторов играть? Паэ (1998) обнаружили, что доходы управления в компаниях могут повлиять на прогноз аналитиков производительности. С аудиторов обычно используют профессиональные процедуры в их задачи аудита, они могут получить доступ некоторую информацию, которая может быть трудным для аналитики для доступа. Учитывая преимущества в области информационно-эффект в уменьшении доходов управления (GUI и др.., 2002), аналитики будут приняты во внимание мнения аудиторов в принятии своих выводов. Тем не менее, работа аудиторов на основе прошлых финансовых показателей, а также проверенные результаты разных компаний существенно отличаются (Basu др.., 2000). Кроме того, аудиторы имеют свои собственные ограничения в поисках все проблемы, скрытые внутри фирмы. Таким образом, наша третья суб-гипотеза (в альтернативной форме):
К югу от 1,3 Гипотеза: аналитики, скорее всего обращать внимание на мнения аудиторов в разработке их качественные выводы доклада, но не будет полностью полагаться на них.
Китайские аналитики редко предоставляют количественные прогнозы EPS, движение денежных средств за акцию, и будущая цена акции, но они сделать качественные выводы с "очень хорошим" или "отрицательный" категории. Хотя их качественные выводы не предсказал же точностью, как количественным, определенным содержанием информации по-прежнему существует, что отражает способности прогнозирования аналитиков. Мы утверждаем, что китайские аналитики могли бы внести более точные рекомендации по итогам оценки будущей работы или перспективы фирм; это означает, мы могли бы найти положительные связи между их выводами и будущей деятельности предприятий. Таким образом, наша вторая гипотеза (в альтернативной форме):
Гипотеза 2: Существует значительная положительная связь между результатами анализа, выводов и будущие результаты деятельности компаний.
III. Выборки и метод исследования
1. Выборки
Выборка состоит из анализа статей о перечисленных фирм ежегодные доклады опубликованы в новостях безопасности Китая с 1994 по 2002 год. Эти статьи основаны на ежегодных докладах 1993-2001 годы. Они собираются из специальных столбцов с названиями типа "Годовой отчет Комментарии", "Годовой отчет анализ" и "Часы Reporter" О годовых отчетах ". Мы собрали 1156 статей образца. Информация, собранная вручную подразделяется на три категории - Анализ Содержание, других источников информации, и методы финансового анализа. Например, когда мы разобраться Анализ содержания, мы классифицировать эту категорию на 5 секторов - (1) управление информацией, (2) бухгалтерского учета информации, (3) финансовые показатели, (4) прогнозные данные, и (5) качественные выводы аналитиков в своих докладах. Если информация в любом из этих секторов содержится в статье пример, мы записываем ее как "1", иначе, как "0". Мы используем то же правило в отношении двух других категорий. Тогда мы вычислить долю всех "Ц" на общую сумму образцов. Наконец, мы используем SPSS для анализа данных.
В соответствии с конкретными кодами листинговых компаний проанализированы в выборку статей, мы также собирали финансовых данных из базы данных сети Ю. Чао. С 1993 по 2002, за исключением компаний из перечня или перестроились, мы собрали 1056 соответствующих финансовых записей. Кроме того, каждая компания финансовых данных 16 отношений, которые подразделяются на 5 групп - получение прибыли, операция деятельности, задолженности платежеспособности, структуры капитала, а также потенциал экономического роста, как показано в таблице 1.
2. Научно-исследовательский конструкторско
(1) анализ "отказа" и "безотказной" компаний
Для проверки гипотезы к югу от 1,1 - будь то аналитики будут собирать соответствующую информацию и выбрать подходящие методы анализа в соответствии с различными ситуациями компании, мы выбираем два типа фирм, для сравнения - "провал" и "безотказной" компаний. Мы проводим Уилкоксона подписали ранга тест суммы, Уилкоксон-Манна-Уитни и (он корреляции тест для изучения гипотезы к югу от 1,1 найти, есть ли существенная разница в типы информации и аналитических методов, используемых аналитиками наработки на отказ и безотказную компаний. "неудача компании" определяется для компаний, которые были санкционированы ценных бумаг Китая комиссии по регулированию либо как ST или PT компаний в определенном году (как правило, отчетный год) с Y2 = 1. Мы назначить Y2 = O для всех не- ST / PT компаний. корреляции тест применяется для изучения всех переменных для этих двух видов компаний. переменных испытания включают также широту и глубину информации, аналитических методов, аудиторов мнения и размеров фирмы, взяв натуральный логарифм. Из этих Результаты анализа текстов, мы можем сделать заключение о том, что "провал" компании проанализировали более глубоко больше информации и более гибкие методы.
(2) Информация видов и методов анализа "очень хорошо" против "негативный" выводы
Определения переменных в модели (1) заключаются в следующем:
Y3 - "очень хорошо или отрицательное заключение". Мы даем отрицательное заключение = 0, и очень хороший вывод = 1. Решение стандартных в том, что общая оценка аналитиков из перечисленных компаний является хорошим или плохим, соответственно, в отдельной статье. "1" представляет дает очень хорошие или хвалить мнению, и "0" представляет отрицать, подозревая, или предоставление отрицательное мнение. Если нет четкого заключения, мы не дать ему любое значение.
INF_RANGE - "Информационно-сферы". Информация рамки мер обилие информации, собранной аналитики представлены три переменные:
1) INF_RANGE1 - управление информацией (сумма всех предметов в разделах "управление информации");
2) INF_RANGE2 - бухгалтерской информации (сумма всех предметов в разделах "Бухгалтерский учет информации");
3) INF_RANGE3 - другая информация (значение "другой информации"), он имеет только один пункт (да = 1, нет = 0);
INF_DEPTH - "информация глубину. Она имеет только одна переменная, а именно ли аналитик использует сноски в годовых отчетах или нет (да - 1, нет = 0);
TECH - "методы финансового анализа". Оно представлено две переменные:
1) TECH1 - с использованием "поперечного сечения (в отрасли) сравнение" или "времени серьезных сравнению" с одним из них = 1, в противном случае = 0;
2) TECH2 - с использованием других методов (например, "по сравнению с бюджетом компании или прогноз", "сочетающий в себе большое количество данных вместе", или "корректировки финансовых показателей доклад аналитиков себе", и т.д. с указанием кто-нибудь из них = 1 , в противном случае = 0);
АУДИТ - "мнение аудитора," с чистого мнению = 1, в противном случае = 0;
РАЗМЕР - "размер фирмы", которая представляет собой сумму всех активов с помощью натуральных логарифмов.
FINANCIAL_Xi, FINANCIAL_Xj, FINANCIAL_Xk - "финансовые показатели", которые фирм фактических финансовых данных, в этом году, а не финансовых данных, используемых в отчетах аналитиков. Эти переменные будут контролировать реальное финансовое положение из перечисленных компаний в целях изучения Есть ли отличия в информации, собранной по сравнению с аналитиками финансовых данных фактических фирм.
Все эти переменные выбраны в процессе следующие: во-первых, мы используем Вилкоксона подписали ранга тест, чтобы найти сумму 12 наиболее существенно отличаются от финансовых показателей 76 финансовых коэффициентов, финансовых аналитиков, принятые сделать очень хорошие или отрицательные выводы. Затем, мы сопоставляем эти отношения с 12 финансовых данных из Китая "JuChao" базы данных. Только следующие четыре соотношения соответствовали: Прибыль на акцию (EPS), операционный доход экономического роста, роста чистой прибыли, операционной прибыли и процентах. Эти четыре переменные представляют собой две стороны компании - доходность и рост возможностей. Для того чтобы избежать мультиколлинеарности между переменными, мы выбираем только два представителя переменные: EPS и роста операционных доходов. Для целей представления финансовых характеристик компании более полно, мы также выбрать Коэффициент текущей ликвидности с учетом краткосрочной задолженности платежеспособности. Таким образом, мы имеем три финансовых коэффициентов (FINANCIAL_Xi. FINANCIAL_Xj и FINANCIAL_Xk) в модели (1) как уже упоминалось выше.
Только одна переменная из каждой группы составляют модели логистической регрессии. Таким образом, у нас есть несколько моделей с различной комбинацией переменных. Наконец, мы помещаем все переменные в 1 уравнение регрессии для проверки надежности результатов.
(4) прогноз возможности качественные выводы аналитиков
И.. Анализ результатов
1. Анализ "Failure" против "Non-провал" компаний
Результаты югу от гипотезы 1,1 показано в таблице 2, в котором мы используем тест Вилкоксона, чтобы узнать различные методы финансового анализа, используемых аналитиками в "отказ" и компании "безотказной" компаний.
В этой таблице показаны результаты теста Вилкоксона для 76 финансовых коэффициентов, используемых аналитики в своих статьях. В таблице 2 мы можем увидеть, что разница в использовании финансовых показателей за "провал" компании и "безотказной" компаний не существует. Разница появляется в такие показатели, как рост счет предоплаты долгосрочных темпов роста инвестиций, роста фиксированных активов, а также субсидии доход доход до соотношения налогов. Но тест Вилкоксона не сказать нам, какие отрасли использовали более или менее этих отношений.
Таблица 3 является результатом Вилкоксона-Манна-Уитни для анализа неудач и исправном компаний. Среди переменных, только "другие методы анализа" и "аудиторов мнение" значительные под 5% и 1% соответственно уровнях, но управленческой информации, бухгалтерской информации, иные сведения, информация глубина, сечение сравнению с временем серьезных сравнений и размера компании не являются значимыми.
Проверка связь с Y3, мы видим, что "другие методы анализа" значительно положительные, и "мнения аудиторов" в значительной степени отрицательно. Это означает, что аналитики предпочитают использовать "другие методы анализа" (этот метод является более гибким) и аудиторов будет выдавать больше нестандартные мнения к провалу компании. Таким образом, мы видим, что аналитики не делают различий между "провал" и "безотказной" компаний в области информационной типа использовались, но они предпочитают использовать более сложные методы финансового анализа для "провал" компаний. Таким образом, к югу от 1,1 гипотеза отчасти поддерживается.
Мы также провели Вилкоксона-Манна-Уитни и корреляционного анализа для изучения различий между традиционными фирм по сравнению с высокотехнологичными фирмами, ни значения в сфере информации, информация, глубина и другие методы анализа, а также мнения аудиторов были найдены.
2. "Очень хорошо" против "Негативный" Выводы
(1) Результаты теста Вилкоксона и выбор финансовых показателей
Таблица 4 показывает результат теста Вилкоксона. Результаты в таблице 4 пришел из статей аналитиков анализа годовых отчетов предприятий. Мы можем обнаружить, что когда аналитики дают разные заключения ("очень хорошо" и "негативного" выводы), Есть 12 финансовых отношений со значительным разнообразием - Административно роста расходов, EPS роста, Запасы / Оборотные активы, в сравнении первого полугодия с второго полугодия , EPS, денежный поток от операционной деятельности за акцию, Core операционной рост выручки, операционной прибыли Core роста, проценты роста, чистая прибыль роста, прочей дебиторской задолженности роста и Core Операционная прибыль / Прибыль до налогов. Мы выбираем EPS, Коэффициент текущей ликвидности и ключевые операционные роста доходов от продаж, как переменные модели 1 в соответствии с возможностью получения данных, а также вклад в модель.
(2) Описательная статистика
Таблица 5 является результатом описательной статистики для модели 1. Общее количество образцов +757 и переменные EPS, Коэффициент текущей ликвидности и ключевые операционные рост доходов. Из таблицы 5, мы видим, что максимальное INF_RANGE2 (бухгалтерской информации) гораздо ниже, чем INF_RANGE1 (управление информацией) и INF_RANGE3 (другие данные), которые показывают, что аналитики уделяют больше внимания, чем бухгалтерской информации управления информацией и другой информации. С максимальной и средней стоимости INF_DEPTH (глубина информации), мы видим, что аналитики редко используют финансовые сноски заявления, которые отражают, что большинство аналитиков не изучают бухгалтерскую информацию глубоко. А по результатам финансового анализа, используемые методы, мы видим, что средняя стоимость 1 TECH (промышленность и истории сравнения) выше, чем TECH2 (другие методы), что свидетельствует о более аналитиков используют сечения и времени серьезных сравнение методов анализ указанных компаний. Выше среднего значения АУДИТ означает, что мнение аудитора широко используется.
(3) Результаты и анализ логистической регрессии
Когда мы выбираем EPS, Коэффициент текущей ликвидности и ключевые операционные роста доходов от продаж в качестве переменных финансовых показателей, эти отношения являются более значительными, и другие две переменные, представляющие сферу информационных и финансовых методов анализа более значительными, тоже. Прежде всего, добро припадке целом уравнение лучше, и уравнение является значительным. Результаты представлены в таблице 6.
При анализе переменные, представляющие сферу информации, мы видим, что две переменные значимы на уровне 5% - 1NF_RANGE1 (управление информацией) и inf_ Диапазон2 (бухгалтерской информации). INF_RANGE1 в знак положителен и inf_ Диапазон2 является отрицательной, что указывает на то, что аналитики волнует в области информационной сферы существенно отличается, когда они приходят, чтобы сделать очень хорошую или отрицательные выводы. Когда выдавая очень хорошие выводы, аналитики склонны уделять больше внимания управлению информацией (в том числе стратегический менеджмент, корпоративное управление, рыночную ситуацию, перегруппировка активов, деньги и инвестиции государства), но они сравнительно меньше беспокойства по поводу учетной информации (в основном данные в финансовой отчетности). Когда аналитиков обратить отрицательные заключения, обратить пристальное внимание на информации бухгалтерского учета и меньше управленческой информации.
Что касается методов аналитиков анализ, 2 индексов, довольно существенны. TECH1 (сечение и времени серьезных сравнений) является значимой на 5% уровне, и знак положителен; TECH2 (другие методы анализа) является значимой на уровне 1%, а знак отрицательный. Иными словами, когда аналитики сделать "очень хорошее" и "негативным" выводам, они опираются на различные методы анализа. На момент составления очень хорошие выводы, аналитики предпочитают использовать более сечения и времени серьезных сравнений, и в меньшей степени другими методами. С другой стороны, они будут использовать более "другие методы анализа" при принятии отрицательного заключения.
Синтезирующий два вышеуказанных аспектов, наши результаты испытаний поддержка суб-гипотезы 1,2. А именно существует значительное различие в характере информационных и финансовых методов анализа, которые аналитики используют для получения "очень хорошо" и "негативным" выводам.
К югу от 1,3 гипотезу о том, является мнение аудиторов имеют определенное влияние на выводы аналитиков. Из 7 уравнений, мнения переменной аудиторов имеет значение лишь в два уравнения, следовательно, он показал, что влияние этой переменной не очень значительные. Результаты исследования показывают, что аналитики склонны делать "очень хорошо", когда выводы аудиторов дать чистую мнения. Это соответствует конвенции, поскольку ревизии аудиторы могут с помощью различных видов средств в перечисленные компании получить гораздо больше информации, чем аутсайдеры. Таким образом, это очень рациональная, что аналитики полагаются на мнения аудиторов. Таким образом, к югу от 1,3 гипотеза поддерживается.
Мы не считаем, что качественные выводы аналитиков являются в значительной степени связано с компанией размеров.
3. Прогнозирование Способность Аналитики "очень хорошо" против "Негативный" Выводы
Для проверки гипотезы 2, мы разрабатываем модели (2), чьи результаты тестирования приведены в таблице 7. Из таблицы 7, мы видим, что переменная Y3 (т-1), которая представляет выводы аналитиков во время Т-1, имеет важное значение, когда эти три переменных независимых переменных в момент времени т [PROF_X4 (T) (EPS), SOLV_X8 ( т) (коэффициент ликвидности), а также GROW_X13 (T) (рост операционного дохода)], значим на 1%, 1% и 10% соответственно. Этот результат показывает, что китайские финансовые аналитики имеют определенные способности прогнозирования, и они могут предсказать следующий год производительности компании, используя финансовые данные за текущий год. Таким образом, гипотеза 2 поддерживается.
Кроме того, мы можем видеть из данных, что выводы аналитиков о фирмах, текущих производительность года положительно коррелируют с EPS в следующем году и основных операционных доходов рост, но негативно коррелирует с ликвидности в следующем году. То есть, если аналитик делает очень хорошо (отрицательное) заключение для компании, в текущем году, это означает, EPS этой компании и ключевые операционные роста доходов будет увеличение (уменьшение) в некоторой степени в то время как коэффициент ликвидности уменьшится (увеличение) следующего в год.
И.. Выводы
Западные финансовые аналитики обычно обеспечивают количественные прогнозы. Для сравнения, предложения, большинство китайских финансовых аналитиков являются качественными, а не количественные. Таким образом, этот пробный исследование посвящено изучению мнения оригинальные китайские аналитики и прогнозирования производительности в их качественном отчеты о проведенных исследованиях. Эта статья вносит свой вклад в литературу по документированию некоторых ранних свидетельств о том, как процесс финансовой аналитики бухгалтерской информации на китайском рынках капитала.
Наши основные выводы можно резюмировать следующим образом:
(1) аналитический потенциал китайских финансовых аналитиков, является ограниченным. Одним из качеств этой способности, чтобы быть в состоянии анализировать различную информацию и использовать различные методы анализа в соответствии с различными ситуациями компании. Изучая провал против безотказной компаний, мы не нашли, что китайские аналитики могут "сделать существенные различия" между компаниями, в то время как их анализ.
(2) китайские аналитики видимому, используют различные типы информации и методы анализа при составлении "очень хорошо" и "негативных" качественные выводы. При составлении "очень хорошо" выводы, аналитики предпочитают анализировать более информационного управления и использования нормативных методов, таких, как сравнение компаний с промышленностью и исторических данных. С другой стороны, при создании "негативного" выводы, они склонны уделять более пристальное внимание на доказательной информации по учету и использованию более сложных методов анализа, таких как сравнение бюджетов и прогнозов, сочетающий в себе большое количество данных вместе, или корректировки финансовых показателей доклад аналитиков сами.
(3) мнения аудиторов имеют сравнительно сильное влияние на китайских аналитиков качественные выводы доклада, есть достоверная положительная корреляция между ними. Таким образом, аналитики имеют более высокую возможность использования "очень хорошо" выводы для компаний, аудиторов выпустили чистой мнения и нестандартных аудиторских компаний докладе, высшее возможность получения "негативный" выводы аналитиков.
(4) Хотя китайские аналитики дать только качественные выводы, они могут дать хорошие прогнозы по операционной деятельности в следующем году компании. Аналитики качественные выводы доклада, которые существенно положительной корреляции со следующего года в компании EPS и ключевые операционные роста доходов, а также отрицательная корреляция с коэффициента ликвидности в следующем году.
Целом, наши результаты показывают, что качественные выводы китайских аналитиков являются интеллектуального до некоторой степени. Китайские аналитики можете узнать из западных аналитиков, использовать более сложные методы анализа и количественной модели прогнозирования, а также профессиональные навыки, чтобы определить решение проблемы компании, предвидеть кризис приходит "хорошей компании", и, чтобы найти хорошие возможности для инвестиций, или изучить возможности по "плохих компаний".
Сноска
Мы признаем, финансирование поддержке КНР Министерство финансов и социальных исследований базы КНР Министерство Образования, а также помощь в проведении исследований по Гуанмин Shen и Jianghua вв. Мы также благодарим Mingyi Хунг, Ивонн Лу и Маргарет Palisoc за полезные советы.
Ссылки
Басу, S., L.S. Хван, и Ян, ось (2000) "Различия в консерватизма между Большим и ненасилия в 8-Биг-восемь аудиторов," Working Paper, Университета города Нью-Йорк, январь.
Парикмахерская, Б., Р. Л., М., Макниколс, Б. Траман. (2001) 'Может Инвесторам Прибыль от пророков? Рекомендации аналитиков безопасности и доходности акций, "Журнал финансов (апрель): 531-563.
Браун, Д. Лоренс и Дэвид М. Чен. (1990-1991) "Насколько хорошо команда Ail-американских исследований в области прогнозирования доходов?" Журнал Бизнес прогнозирования (9): 14-18.
Батлер, Кирт C., и Hakan Saraoglu (1999) "Совершенствование отрицательные доходы прогнозам аналитиков," Финансовый журнал аналитиков (55): 48-56.
Чопра, Vijay Kumar (1998) ", почему так много Ошибка в Заработок Прогнозы аналитиков"? Финансовые аналитики журнала (54): 35-42.
Климента, Michael B. (1999) "Прогноз аналитиков Точность: У Способность, ресурсы, и Материи Портфолио сложности?" Журнал учета и экономики (27): 285-303.
Колес, Альфред (1933) "Можно фонда Прогноз рынка Синоптики"? Эконометрические 1
DeFond, Mark L. и Mingyi Хунг (2003) "эмпирический анализ прогнозам аналитиков о движении денежных средств", журнал учета
Абдулла Гюль, Ф., С. Линн и Д. Цуй (2002) "Аудит качества, управления собственности и информативной учета доходов", журнал учета, аудита и финансов (17): 25-49 лет.
Ху, Yiming, Томас У. Лин и Ван Weilu (2003) "источников информации, аналитики, волнующие и аналитических методов," Журнал финансовых исследований (по-китайски) Том 12.
Каплан, Стивен Н., Ричард С. Рабек (1995) "Оценка прогнозов о движении денежных средств: эмпирический анализ" Журнал Финансы (50): 1059-1093.
Мак-Уэн, Рут Энн и Джеймс Е. Хантон (1999) "Есть аналитик точность прогнозов, связанных с учета сведения о пользователе"? Горизонты учета (13): 1-16.
Михаил, Michael B., Беверли Р. Уолтер, Ричард Х. Уиллис и Джон Джейкоб (1997) "У Безопасности Аналитики повысить их эффективность с опытом? / Форум", журнал учета исследований (35): 131-166.
Мозеш Хаим, А. и Патриция Уильямс (1998) "О связи между Современные прогнозы на сильные и слабые Аналитики", Рабочий документ.
Паэ Jinhan (1998) "Влияние Доходы управления на свойства Прогнозы аналитиков", Рабочий документ.
Стикел, Скотт Е. (1995) "Анатомия Выполнение Покупка и продажа Рекомендации," Финансовый аналитик журнала (51): 25-39.
Womack, Кент L. (1996) "У Рекомендации брокеров аналитиков ли инвестиционная стоимость"? Журнал финансов (весна): 137-167.
Yiming Ху Цзиньтао
Shanghai Jiao Tong University, Китай
Томас У. Лин
Университет Южной Калифорнии
Контакты адрес электронной почты: <a href="mailto:wtlin@marshall.usc.edu"> wtlin@marshall.usc.edu </ A> <a href="mailto:Carf006@tom.com"> Carf006@tom.com </ A>
